A influência da paisagem, dos factores ambientais e taxa ...€¦ · seu apoio neste meu percurso académico. A todos um Muito Obrigado. Quero também agradecer a toda a minha família,

Universidade dos Açores

Departamento de Ciências Agrárias

A influência da paisagem, dos factores ambientais e taxa de

infestação na densidade na mosca-do-Mediterrâneo (Ceratitis

capitata Wiedemann) (Diptera: Tephritidae) na Ilha de São

Jorge – Açores.

Orientadores: Professor Doutor David Horta Lopes e Professor Doutor Paulo

Alexandre Vieira Borges

Dissertação de Mestrado em Engenharia do Ambiente de:

Liliana Sofia Soares Marques

Angra do Heroísmo

Outubro, 2012

_____________________________________________________________________________________

II

Universidade dos Açores

Departamento de ciências Agrárias

A influência da paisagem, dos factores ambientais e taxa de

infestação na densidade na mosca-do-Mediterrâneo (Ceratitis

capitata Wiedemann) (Diptera: Tephritidae) na Ilha de São

Jorge – Açores.

Dissertação de Mestrado em Engenharia do Ambiente de:

Liliana Sofia Soares Marques

Angra do Heroísmo

Outubro, 2012

_____________________________________________________________________________________

III

Dedico esta tese à minha

família e em especial ao meu filho,

João Miguel.

_____________________________________________________________________________________

IV

Agradecimentos

Aos meus orientadores Prof. Doutor David João Horta Lopes e Professor Doutor

Paulo Alexandre Vieira Borges pelo incessante demonstrado para a realização deste trabalho,

disponibilidade, transmissão de conhecimentos, paciência e amizade, aos dois, muito obrigado.

Ao meu colega Eng.º Reinaldo Macedo Soares Pimentel, um obrigada especial pela sua

ajuda fundamental na elaboração deste trabalho, sem esta ajuda e conhecimentos transmitidos já

mais conseguiria em tempo útil a sua conclusão.

Ao meu colega Eng.º Jorge Miguel Meneses Azevedo, pelo apoio na recolha de dados.

Á minha colega e amiga Eng.ª Cândida Margarida Ferreira Mendes, um obrigado pelos

seus conhecimentos transmitidos.

Ao Prof. Doutor Eduardo Manuel Vieira Brito de Azevedo, e ao seu colaborador técnico

Francisco Reis, pela disponibilidade de dados climáticos.

Aos docentes, funcionários, colegas e amigos da Universidade dos Açores – DCA, pelo

seu apoio neste meu percurso académico. A todos um Muito Obrigado.

Quero também agradecer a toda a minha família, em especial aos meus pais, pela

dedicação ao meu filho, sem a sua ajuda constante este percurso académico seria bem mais

complicado, agradeço ao meu filho e marido pelo apoio, encorajamento e compressão.

A todos um muito Obrigado.

_____________________________________________________________________________________

V

Índice Geral

RESUMO ......................................................................................................................... 9

ABSTRACT ................................................................................................................... 11

INTRODUÇÃO ............................................................................................................... 13

CAPITULO 1 - ASPECTOS GERAIS DAS CONDIÇÕES CLIMÁTICAS DOS AÇORES .............. 19

1.1.1. TEMPERATURA ....................................................................................................................... 20

1.1.2. PLUVIOSIDADE / HUMIDADE ............................................................................................... 21

1.1.3. VENTO ...................................................................................................................................... 22

1.2. ASPECTOS GERAIS DAS CONDIÇÕES CLIMÁTICAS DE SÃO JORGE .................................. 23

1.2.1 TEMPERATURA ........................................................................................................................ 23

1.2.2. PLUVIOSIDADE / HUMIDADE ............................................................................................... 24

1.2.3. VENTO ...................................................................................................................................... 24

CAPITULO 2 - CARACTERIZAÇÃO DO OBJECTO DE ESTUDO ........................................... 25

2.1. DISTRIBUIÇÃO ............................................................................................................................ 25

2.2. MORFOLOGIA E BIOECOLOGIA ............................................................................................... 26

2.3. PREJUÍZOS CAUSADOS PELA MOSCA-DO-MEDITERRÂNEO .............................................. 31

2.4. FACTORES ABIÓTICOS COM INFLUÊNCIA NO DESENVOLVIMENTO DA MOSCA-DO-

MEDITERRÂNEO .................................................................................................................................. 32

CAPITULO 3 - MATERIAL E MÉTODOS .......................................................................... 34

3.1. DESCRIÇÃO DA ÁREA DE ESTUDO .......................................................................................... 34

3.2. MONITORIZAÇÃO DA MOSCA-DO-MEDITERRÂNEO ........................................................... 36

3.3. ANÁLISE DE INFESTAÇÃO DE FRUTOS DA MOSCA-DO-MEDITERRÂNEO ....................... 37

3.4. ANÁLISE DA INFLUÊNCIA DA PAISAGEM COM FACTORES GEOGRÁFICOS, ÍNDICES

HABITATS E CLIMÁTICOS. .................................................................................................................. 39

3.4.1. ÍNDICES DE HABITATS .......................................................................................................... 39

3.4.2. VARÁVEIS CLIMÁTICAS ....................................................................................................... 41

3.4.3. SAM 4.0 (SOFTWARE DE ANÁLISE ESPACIAL EM MACROECOLOGIA) ..................... 45

CAPITULO 4 - RESULTADOS E DISCUSSÃO .................................................................... 46

4.1. MONITORIZAÇÃO DOS ADULTOS DE MOSCA-DO-MEDITERRÂNEO (CERATITIS

CAPITATA WIEDEMANN) ................................................................................................................... 46

4.2. DETERMINAÇÃO DA TAXA DE INFESTAÇÃO DE FRUTOS .................................................. 51

4.3. VARIÁVEIS CLIMÁTICAS .......................................................................................................... 57

4.4. ANÁLISE DA INFLUÊNCIA DA PAISAGEM (FATORES GEOGRÁFICOS, ÍNDICES

HABITATS E CLIMÁTICOS) NA ABUNDÂNCIA DA MOSCA-DO-MEDITERRÂNEO. .................... 58

CAPITULO 5 - CONCLUSÕES ......................................................................................... 83

BIBLIOGRAFIA .............................................................................................................. 85

ANEXOS ....................................................................................................................... 92

_____________________________________________________________________________________

VI

Índice de Figuras

Figura 1- Mapa de distribuição mundial de algumas das principais espécies de moscas-

da-fruta (modificado de CABI/EPPO 1998). ................................................................. 14

Figura 2 – Ovos de mosca-do-Mediterrâneo (C. capitata) (Florida Division of Plant

Industry Archive, Florida Department of Agriculture and Consumer Services,

Bugwood.org). ................................................................................................................ 26

Figura 3 – Pupas de mosca-do-Mediterrâneo (C. capitata) (Scott Bauer, USDA

Agricultural Research Service, Bugwood.org) ............................................................... 27

Figura 4 – Larva de mosca-do-Mediterrâneo (C. capitata) (Florida Division of Plant

Industry Archive, Florida Department of Agriculture and Consumer Services,

Bugwood.org). ................................................................................................................ 28

Figura 5 – Aspecto do macho e da fêmea da mosca-do-Mediterrâneo (Ceratitis capitata

Wiedemann): Fonte: (Pimentel 2010). ........................................................................... 28

Figura 6 - Ciclo de vida da mosca-do-mediterrâneo (C.capitataWied.). Adptado de

Carvalho et al. (1999). .................................................................................................... 30

Figura 7 - Impacto da mosca do mediterrâneo(Ceratitis capitata Wiedemann) em

citrinos. Fonte: Carvalho & Franquinho 1997. ............................................................... 31

Figura 8 – Localização da área de estudo na Ilha de S. Jorge (delimitação a vermelho e a

amarelo estão localizadas as armadilhas instaladas). ..................................................... 35

Figura 9 - Aspecto das armadilhas Tephri usadas na captura das fêmeas adultas

instaladas no campo. ....................................................................................................... 36

Figura 10 –Determinação da taxa de infestaçãos ........................................................... 37

Figura 11 – Valores médios da humidade máxima na Ilha de São Jorge. ...................... 41

Figura 12 – Valores médios da temperatura mínima na Ilha de São Jorge. ................... 42

Figura 13 – Valores médios de precipitação na Ilha de São Jorge. ................................ 42

Figura 14 – Valores médios de temperatura na Ilha de São Jorge. ................................ 43

Figura 15 – Capturas mensais dos adultos de mosca-do-Mediterrâneo (C. capitata). ... 48

Figura 16 - Capturas totais na Zona Norte da Ilha de São Jorge dos adultos de mosca-

do-Mediterrâneo (C. capitata). ....................................................................................... 48

Figura 17 - Capturas totais na Zona Sul da Ilha de São Jorge dos adultos de mosca-do-

Mediterrâneo (C. capitata) ............................................................................................. 49

Figura 18 – Capturas das fêmeas adultas de mosca-do-Mediterrâneo (C.Capitata). ..... 50

Figura 19 – Capturas dos machos adultos de mosca-do-Mediterrâneo (C. capitata). ... 50

Figura 20 – Relação de fêmeas para um macho de adultos de mosca-do-Mediterrâneo

(C. capitata). ................................................................................................................... 51

Figura 21 – Localização dos pontos de amostragem onde nos frutos se registaram as

maiores taxas de infestação. ........................................................................................... 52

Figura 22 – Taxa de infestação de diferentes frutos amostrados (expressas em número

de larvas por Kg de frutos). ............................................................................................ 56

Figura 23 – Exemplo da delimitação das áreas envolventes aos pomares (num raio de

100 metros). .................................................................................................................... 58

Figura 24 – Correlação entre a Abundância das fêmeas da C. Capitata e HRmax ........ 69

Figura 25 – Correlação entre a Abundância dos machos da C. Capitata e HRmax ....... 70

_____________________________________________________________________________________

VII

Figura 26 – Relação entre o valor real e o valor estimado para a abundância das femeas

Ceratitis capitata Wiedemann (com base nas variáveis climáticas, nas de diversidade de

habitats e nas geográficas). ............................................................................................. 76

Figura 27 – Distribuição aleatória dos resíduos das variáveis climáticas, de diversidade

de habitats e geográficas para a variável explicativa fêmea adulta de mosca-do-

Mediterrâneo (Ceratitis capitata Wiedemann)............................................................... 76

Figura 28 – Normalização dos Resíduos espaciais para a relação entre as variáveis

climáticas, diversidade habitats, geográficas e a variável explicativa fêmea adulta de

mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann). ............................................. 77

Figura 29 – Métodos de Interacção das variáveis climáticas, geográficas e diversidade

de habitats com a abundância das fêmeas adultas de mosca-do-Mediterrâneo (Ceratitis

capitata Wiedemann). .................................................................................................... 78

Figura 30 - Relação entre o valor real e o valor estimado para a abundância dos machos

C. capitata (com base nas variáveis climáticas, nas de diversidade de habitats e nas

geográficas). ................................................................................................................... 80

Figura 31 - Distribuição aleatória dos resíduos das variáveis climáticas, de diversidade

de habitats e geográficas para a variável explicativa machos adultos de mosca-do-

Mediterrâneo (Ceratitis capitata Wiedemann)............................................................... 80

Figura 32 – Normalização dos Resíduos espaciais para a relação entre as variáveis

climáticas, diversidade habitats, geográficas e a variável explicativa machos adultos de

mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann). ............................................. 81

Figura 33 – Métodos de Interacção das variáveis climáticas, geográficas e diversidade

de habitats com a abundância dos machos adultos de mosca-do-Mediterrâneo (Ceratitis

capitata Wiedemann). ..................................................................................................... 82

_____________________________________________________________________________________

VIII

Índice de Quadros

Quadro 1 - Resumo dos frutos amostrados e respectivas taxas de infestação. .............. 53

Continuação - Quadro 1 - Resumo dos frutos amostrados e respectivas taxas de

infestação. ....................................................................................................................... 54

Continuação - Quadrado 1 - Resumo dos frutos amostrados e respectivas taxas de

infestação. ....................................................................................................................... 55

Quadro 2 - Dados climáticos (valores médios anuais da ilha de S. Jorge) (Fonte:

CLIMAT). ...................................................................................................................... 57

Quadro 3 - Áreas envolventes ao pomares e tipo de habitas. ........................................ 59

(Continuação Quadro 3 - Áreas envolventes ao pomares e tipo de habitas). ................ 60

(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats). ................... 61







Quadro 4 – Cálculo de índices de Habitats..................................................................... 68

Tabela 5 - Relação estatística entre variáveis ............................................................... 71

Quadro 6 – Coeficientes para os modelos de regressão múltipla para avaliar a

abundancia das femeas (log Femeas) ............................................................................. 73

Quadro 7 – Coeficientes para os modelos de regressão múltipla para avaliar a

abundancia dos machos (log machos). ........................................................................... 74

Quadro 8 – Resultados da análise estatística de SAM, relativo à abundância de Femeas.

........................................................................................................................................ 75

Quadro 9- Resumo do modelo obtido da aplicação SAM, para as fêmeas. ................... 75

A relevância de cada um dos conjuntos de variáveis introduzidos no SAM e suas

interrelações, atendendo à abundância da fêmeas adultas de mosca-do-Mediterrâneo são

apresentados na Quadro 10 e na Figura 29. .................................................................... 77

Quadro 10 – Interacção das variáveis climáticas, geográficas e diversidade de habitats

com a abundância da fêmeas adultas de mosca-do-Mediterrâneo (Ceratitis capitata

Wiedemann).................................................................................................................... 77

Quadro 11 – Resultados da análise estatística de SAM, relativo à abundância de

Machos. .......................................................................................................................... 79

Quadro 12- Resumo do modelo obtido da aplicação SAM, para os machos. ................ 79


interrelações, atendendo à abundância dos machos adultos de mosca-do-Mediterrâneo

Ceratitis capitata Wiedemann), são apresentados na Quadro 13 e na Figura 33. .......... 81

Quadro 13 – Interacção das variáveis climáticas, geográficas e diversidade de habitats

com a abundancia dos machos adultos de mosca-do-Mediterrâneo (Ceratitis capitata

Wiedemann).................................................................................................................... 81

Resumo

_____________________________________________________________________________________

____________________________________________________________________________________

9

RESUMO

Desde o povoamento das Ilhas que a fruticultura existe, inclusive em alguns

momentos esta constitui uma fase importante da sua história agrícola, sendo motor de

desenvolvimento económico da região naquela época e potenciando a sua relação com

mercados exteriores, exemplo disto foi o ciclo económico da laranja e, na actualidade as

culturas industriais como o ananás (e outras como o chá e o tabaco). Esta actividade

agrícola e com relevância a fruticultura têm sido influenciadas por graves problemas

fitossanitários que provocaram o fim de ciclos como o da laranja. Estes factores

promovem a ideia da fruticultura ser uma actividade difícil e de baixo interesse

económico e comercial.

O objectivo geral da presente tese foi identificar para a área de estudo definida

na ilha de S. Jorge, a presença de Ceratitis capitata Wied e analisar a sua relação com o

uso da paisagem, variáveis geográficas e climáticas, identificando dentro dos vários

factores, aqueles que estão associados a uma maior ocupação e multiplicação desta

importante praga.

Em termos metodológicos, foram considerados os aspectos ambientais

associados ao clima e foi inovador no que diz respeito à análise paisagística da

vegetação envolvente ao pomar, avaliando a sua importância na dispersão ou controle

desta praga, tendo sido efectuadas várias técnicas de recolha de dados, que incluem o

levantamento in situ da abundância de espécies envolventes aos pomares com registo

fotográfico. Outra fonte relevante de informação proveio da instalação de armadilhas

para o conhecimento local desta praga. Foi também realizado um levantamento dos

impactos da mosca-do-Mediterrâneo através da recolha e análise visual da fruta das

áreas de estudo.

Para além de uma descrição da situação actual (cartografia de presença e taxa de

abundância) e, relativamente ao pomar, analisando a sua inserção paisagística, foi

efectuada uma análise com recurso aos SIG, índices de habitats e ao SAM, analisando

parâmetros paisagísticos e climáticos, que possibilitaram a identificação de variáveis

que possam promover a dispersão de C. capitata na ilha de S. Jorge.

Este estudo representa um importante incremento do conhecimento de uma das

mais importantes pragas da fruticultura regional, analisando a existência de uma inter-

Resumo

_____________________________________________________________________________________

____________________________________________________________________________________

10

relação entre a sua abundância da praga com a diversidade ambiental das áreas

adjacentes às parcelas produtivas.

Concluiu-se que, de todo o trabalho desenvolvido neste estudo, de facto, as

variáveis climáticas são as que possuem um maior efeito sobre o desenvolvimento,

proliferação e disseminação desta importante praga na Ilha de S. Jorge.

Palavra Chave: dispersão, mosca-do-Mediterrâneo, variáveis climática, variáveis

geográficas, índice de habitats, análise paisagem, SIG, SAM, São Jorge.

_____________________________________________________________________________________

____________________________________________________________________________________

11

ABSTRACT

Since the settlement of the islands that the fruit there, including at times this is

an important stage of its agricultural history, and engine of economic development in

the region at that time and enhancing its relationship with foreign markets, example of

this was the cycle economic of the orange, at present the industrial crops such as

pineapples (and others like tea and tobacco). This farming and fruit growing relevance

have been affected by serious disease problems that led to the end of the cycle of the

orange. These factors promote the idea of fruit being a difficult activity and low

economic and commercial interest.

The overall aim of this thesis was to identify the study area defined in S. Jorge,

the presence of Ceratitis capitata Wied and analyze its relation with the use of the

landscape, geographical and climatic variables, identifying within various factors, those

that are associated with higher occupancy and multiplication of this important pest.

In terms of methodology, this study considered the environmental aspects

associated with climate and was innovative with regard to the analysis of landscape

vegetation surrounding the orchard, evaluating its importance in the dispersal or control

this pest, having been made several techniques of data collection, including the in situ

survey of species abundance surrounding the orchards with photographic record.

Another relevant source of information consisted of the installation of traps and

identification of fauna collected. It was made a survey of the impacts of the fly-of-

Mediterranean by collecting fruit and visual analysis of the study areas. In addition to a

description of the current situation (mapping presence and abundance rate) and, for the

orchard, analyzing their integration landscape, an analysis was made using the GIS,

habitat indices and SAM, analyzing landscape and climatic parameters which allowed

the identification of variables that may promote the spread of the fly-of-Mediterranean

on the island of St. Jorge.

This study represents a significant increase in knowledge of one of the most

important pests of regional horticulture, analyzing the existence of an interrelationship

between the abundance of the pest with the environmental diversity of the adjacent

areas to productive plots.

_____________________________________________________________________________________

____________________________________________________________________________________

12

It was concluded that, of all the work done in this study, in fact, are the climatic

variables that have a major effect on the development, proliferation and spread of this

important pest on the island of St. Jorge.

Keywords: dispersion, fly-of-Mediterranean, climate variables, geographic

variables, index habitats, landscape analysis, GIS, SAM, St. George.

_____________________________________________________________________________________

____________________________________________________________________________________

13

INTRODUÇÃO

A fruticultura açoriana é uma actividade repleta de história. Desde o

povoamento que esta vertente agrícola representa um importante recurso regional com

vária fácies, incluindo o facto de representar um relevante elemento de subsistência, um

importante elemento paisagístico (para além de pomares as frequentes sebes de

protecção a vinhas, por exemplo). Na história das ilhas existiram de facto épocas em

que economia regional esteve amplamente associada a esta actividade. Como grandes

exemplos pode-se mencionar o ciclo da laranja (primeira metade do Séc. XIX) e

actualmente é de relevante interesse comercial e cultural o Ananás. Os altos e baixos da

fruticultura nos Açores estão associados a vários factores mas Lopes (2005) realça como

principal causa as crises fitossanitárias, caso da cultura da laranja.

Actualmente a fruticultura é encarada como difícil de baixo interesse económico,

apenas efectuada a titulo complementar e restringida a pequenas áreas com uma

produção associada ao auto-consumo (Lopes, 2005). Contudo existe uma clara e

crescente consciência das potencialidades da região para esta actividade. Desta forma

tem surgido um relevante número de projectos de investigação associados à

Universidade dos Açores e outras entidades regionais ligadas a este sector que tem

contribuído para o aumento do conhecimento científico sobre diferentes culturas

frutícolas e a sua divulgação nos agricultores numa tentativa de promover a actividade e

as suas potencialidades (desenvolvidos no âmbito do Projecto Interfruta).

Os insectos fitófagos da família Tephritidae, vulgarmente referidos como

''verdadeiras'' moscas-da-fruta, oferecem diferentes histórias de casos de invasões de

sucesso, principalmente mediadas pelo Homem. Esta família inclui mais de 5.000

espécies em todo o mundo, aproximadamente 1.400 das quais desenvolvem-se em

frutos carnosos. Os quatro géneros principais desta família são Ceratitis, Bactrocera,

Anastrepha e Rhagoletis, que incluem espécies de pragas importantes (White e Elson-

Harris, 1992). Nos últimos anos, os insectos destes géneros têm sido encontrados fora

da sua área original, como resultado do crescente comércio de frutas e da indústria do

turismo (Fig. 1).

Introdução

_____________________________________________________________________________________

____________________________________________________________________________________

14

Figura 1- Mapa de distribuição mundial de algumas das principais espécies de moscas -da-fruta

(modificado de CABI/EPPO 1998).

Através do movimento de frutas infestadas durante os séculos XIX e XX, as

moscas-da-fruta estabeleceram-se na região Mediterrânica, Havai e numerosas ilhas do

Oceano Índico e Atlântico, e na maioria das principais regiões continentais, com

excepção da Ásia e da América do Norte (White & Elson-Harris, 1992).

As moscas do género Ceratitis, que abrange cerca de 78 espécies, mostram

padrões altamente evoluídos de comportamento, que lhes permite superar as pressões da

selecção natural e contínua para optimizar o seu sucesso reprodutivo. Entre essas

espécies, a mais notória (White et al., 2000) é a mosca-do-Mediterrâneo, Ceratitis

capitata, que está distribuída na maioria das regiões tropicais e temperadas do mundo, e

constantemente ameaça invadir novas áreas (Carey, 1991).

Ceratitis capitata (Wiedemann) (Diptera: Tephritidae), também designada de

mosca-do-Mediterrâneo, é uma das pragas mais devastadoras de frutas, devido à sua

distribuição global, grande variedade de hospedeiros (Liquido et al., 1991), dispersão

rápida (Papadopoulos et al., 2003) e adaptação a baixas temperaturas (Del Pino, 2000).

A mosca-do-Mediterrâneo (Ceratitis capitata Wied.), (Diptera: Tephritidae), foi

referenciada pela primeira vez por Bodenheimer (1951) nas ilhas do Atlântico, em 1829.

Trata-se de uma praga de relevo nos Açores e são significativos os seus impactos.

O problema da mosca-do-Mediterrâneo (Ceratitis capitata Wied.) torna-se

significativo pois esta facilmente invade novos habitats, e o transporte fácil de algumas

Introdução

_____________________________________________________________________________________

____________________________________________________________________________________

15

frutas infectadas, com os seus ovos ou larvas permitiu a sua expansão rápida através de

áreas continentais e assim também chegar facilmente a qualquer região insular

(Carvalho & Aguiar, 1997). Os adultos desta espécie são muito polígafos, e podem

facilmente infestar entre 250-400 hospedeiros.

Nos Açores, o estudo do comportamento desse insecto tem sido realizado ao

longo dos últimos anos por Lopes et al. (2005, 2006, 2008a, 2008b, 2008c), no entanto,

este estudo foi limitado apenas à ilha Terceira, abrangendo a dinâmica populacional,

dispersão, índices de infestação de diferentes hospedeiros e a eficácia de alguns meios

de combate a esta praga. Estes mesmos estudos mostraram que a aplicação de Sistemas

de Informação Geográfica (SIG) parece ser uma ferramenta muito útil na delimitação de

focos de infestação desta praga, bem como para o mapeamento das áreas de sua

dispersão. O uso deste tipo de ferramenta permite, de acordo com Lopes et al., (2005a)

detectar, atendendo à topografia, e ocupação do solo na ilha Terceira, os refúgios

possíveis que podem facilitar a sobrevivência desse insecto durante o inverno que se faz

sentir e sua relação com as elevadas densidades populacionais que se registam nas zonas

e maior produção frutícola da Ilha Terceira.

A investigação da cobertura da vegetação foca-se, por vezes, na descrição geral

da mesma, podendo usar dados de satélite como uma ferramenta qualitativa para estudar

um ecossistema específico (Carlson & Sanchez-Azofeifa, 1999). Rainis, (2003) sugere

que para além do estudo da composição da paisagem também devem ser considerados o

seu arranjo e distribuição para a monitorização das mudanças. Durante várias décadas as

medidas quantitativas dos padrões espaciais (e.g. métricas de paisagem) foram usadas

para ligar processos ecológicos e ambientais com padrões encontrados na paisagem

(O’Neill et al., 1988). As decisões tomadas sobre a gestão dos recursos requerem

informação temporal e espacial de modo a poderem ter efeitos duradouros sobre a

paisagem. Consequentemente, o mapeamento da paisagem ao longo do tempo,

incorporando as relações espaciais e quantificando a sua estrutura são componentes

críticos para um estudo de análise de alterações. Para melhor revelar as dinâmicas da

paisagem, o desafio da análise por detecção remota passa pela inferência de processos

ecologicamente significativos a partir dos instantâneos das imagens. Assim a integração

da ecologia da paisagem [estudo do como a estrutura e composição da paisagem afecta

(os processos que determinam) a abundância e distribuição dos organismos (Turner,

Introdução

_____________________________________________________________________________________

____________________________________________________________________________________

16

1988)], com a detecção remota e a ciência de informação geográfica podem fornecer os

meios para entender as dinâmicas da paisagem a partir de dados temporalmente

discretos com o auxílio das métricas de paisagem (Crews-Meyer,2002).

De acordo com Borges et al., (2011) (fide in Brown & Maurer, 1989; Gaston,

1994, 2003; Brown, 1995; Lawton, 1999, 2000; Maurer, 1999; Gaston & Blackburn,

2000) a Macroecologia é um campo recente da ecologia dedicada ao estudo dos padrões

de distribuição de espécies, abundância e riqueza em grandes escalas espaciais e

temporais. Este campo de estudo tem evoluído muito rapidamente e, iniciou-se por uma

descrição inicialmente simples de padrões. Atualmente existe muita literatura publicada

sobre este assunto, a avaliar e explicar os mecanismos potenciais associados com tais

padrões.

Alguns dos padrões macro ecológicos estudados até agora são particularmente

utilizados no estudo de comunidades ecológicas: i) a distribuição de frequência das

abundâncias das espécies logaritmicamente transformadas, ii) os intervalos geográficos

não transformados das espécies são distribuídos de acordo a "curva vazia" (Borges et

al.,2011, fide in Gaston, 2003), então a maioria das espécies têm um intervalo estreito,

enquanto alguns são mais generalizado, independentemente da extensão analisada

(Borges et al.,2011, fide in Gaston & Blackburn, 2000), e iii) a relação entre a

abundância e o tamanho de intervalo geográfico da espécie é positivo (Borges et

al.,2011), iv) a riqueza de espécies das comunidades locais está relacionada com a

riqueza regional, e não totalmente dependente de processos locais e v) a relação entre a

riqueza e área (isto é, a relação espécie-área) é positivo e a sua inclinação varia dentro

de um conjunto limitado de valores, onde é considerada como um dos mais fortes

padrões observados em ecologia (Borges et al.,2011, fide in Rosenzweig, 1995; Lawton,

1999; Gaston & Blackburn, 2000; Whittaker & Fernández-Palacios, 2007).

O foco principal da ecologia geográfica e macroecologia é entender as causas da

ecológica estruturada em padrões no espaço. (Bini, et al., 2009)

O objectivo geral da presente tese é identificar para a área de estudo definida na

ilha de S. Jorge, a presença de Ceratitis capitata Wied e analisar a sua relação com o

uso da paisagem, variáveis geográficas e climáticas, identificando dentro dos vários

Introdução

_____________________________________________________________________________________

____________________________________________________________________________________

17

factores quais os que estão associados a uma maior ocupação e multiplicação desta

importante praga.

Em termos metodológicos este estudo teve em consideração os aspectos

ambientais associados ao clima mas é inovador no que diz respeito à análise paisagística

da vegetação envolvente ao pomar avaliando a sua importância na dispersão ou controle

desta praga, foram efectuadas várias técnicas de recolha de dados, que incluem o

levantamento in situ da abundância de espécies envolvente aos pomares com registo

fotográfico. Outra fonte relevante de informação consistiu na instalação de armadilhas e

identificação da fauna recolhida. Foi realizado igualmente um levantamento dos

impactos da mosca do mediterrâneo através da recolha e análise visual da fruta das áreas

de estudo.

Para além de uma descrição da situação actual (cartografia de presença e taxa de

abundância) e, relativamente ao pomar analisando a sua inserção paisagística foi

efectuada uma análise com recurso ao software ArcGis 9.3 (Sistemas Informação

Geográfica), índices de habitats e ao software SAM 4.0 (“análise espacial em

macroecologia”), analisando parâmetros paisagísticos e climáticos, possibilitando a

identificação de variáveis que promovam a dispersão da mosca do mediterrâneo na ilha

de S. Jorge e, que de um modo geral possam posteriormente ser aplicadas a estudos

desta praga na generalidade das ilhas do Arquipélago dos Açores e outras ilhas da

Macarronésia.

Pretende - se com este estudo, um incremento do conhecimento desta praga na

região. Os resultados obtidos permitirá localizar grandes focos na área de estudo, no

entanto o seu maior interesse refere-se à identificação de factores paisagísticos, ou seja

detectou – se, que existe uma interacção entre os factores climáticos com os factores

geográficos na relação com o uso da paisagem.

Introdução

_____________________________________________________________________________________

____________________________________________________________________________________

18

Como objectivos específicos deste trabalho podemos enunciar os seguintes:

Análise da evolução temporal e quantificação das densidades

populacionais dos adultos desta praga existente nos pomares.

Identificação os grandes focos de infestação da mosca-do-

Mediterrâneo.

Analise do impacto desta praga em termos de percentagem de

frutos infectados, ou seja na redução da produção e quantificar estas perdas

economicamente.

Identificação dos factores paisagísticos e ambientais que estão

relacionados com a ocupação das parcelas por esta praga e que sejam responsáveis

pela sua disseminação.

Capitulo 1 - Aspectos gerais das Condições Climáticas dos Açores

_____________________________________________________________________________________

____________________________________________________________________________________

19

CAPITULO 1 - ASPECTOS GERAIS DAS CONDIÇÕES

CLIMÁTICAS DOS AÇORES

Têm sido apresentados alguns trabalhos sobre o clima dos Açores, dos quais

sobressai a obra do Cor. J. Agostinho (publicados entre os anos 20 e 40 do Século

passado). Mais tarde, Bettencourt, (1979) apresentou uma análise global e Ferreira,

(1980), um estudo dos ventos e humidade. Os trabalhos mais recentes de Azevedo,

(1996) permitiram um grande avanço no conhecimento do clima em altitude, até então

conhecido apenas por estimativas. O modelo CIELO, desenvolvido por este

investigador usa uma metodologia que permite a partir da informação climática

existente e da modelação física dos mecanismos climáticos de expressão local, permite

uma generalização da informação meteorológica a todo o território, bem como uma

caracterização climática à escala local da superfície insular (Azevedo et al., 1999),

constituindo uma fonte de informação indispensável para o conhecimento do clima dos

Açores.

Segundo Azevedo, (2001), o clima do Arquipélago dos Açores é essencialmente

ditado pela localização geográfica das ilhas no contexto da circulação global

atmosférica e oceânica e pela influência da massa aquática da qual emergem.

De uma forma muito geral o seu clima pode ser caracterizado pela sua

amenidade térmica, pelos elevados índices de humidade do ar, por taxas de insolação

pouco elevadas, por chuvas regulares e abundantes e por um regime de ventos vigorosos

que rondam o arquipélago acompanhando o evoluir dos padrões de circulação

atmosférica à escala da bacia do Atlântico Norte (Azevedo, 2001).

O clima das ilhas apresenta, no entanto, uma sazonalidade medianamente

marcada que se reflecte nos diferentes elementos do seu clima. As quatro estações do

ano, típicas dos climas temperados, são reconhecíveis. Os invernos, podendo ser

chuvosos, não se manifestam excessivamente rigorosos. A ocorrência de neve, sendo

esporádica, só ocorre nas zonas altas. A precipitação ocorre durante todo o ano, mesmo

nos meses de estio, embora nestes com muito menor expressão. A precipitação de

origem frontal é significativamente reforçada pela precipitação de origem orográfica no

interior de cada ilha. Os verões são amenos e significativamente mais ensolarados do

que o resto do ano. São raros, no entanto, os dias de céu completamente limpo. Os


_____________________________________________________________________________________

____________________________________________________________________________________

20

períodos tempestuosos, sendo mais frequentes de Inverno podem, no entanto, ocorrer

em fins de Verão e no Outono por efeito de esporádicas tempestades tropicais em

evolução próximo do arquipélago. Violentas tempestades quer de origem tropical quer

provocadas por células depressionárias provenientes das latitudes mais setentrionais do

Atlântico Norte Ocidental são responsáveis por numerosos episódios de precipitação,

ora intensa ora persistente, com os consequentes impactes nos regimes de drenagem (na

sua maioria de carácter torrencial), bem como no que diz respeito à erosão e aos

fenómenos de deslizamento de massa decorrentes da saturação e alteração da agregação

dos solos, da alteração da estabilidade de vertentes e taludes, e do derrube e transporte

de grandes quantidades de massa vegetal (Azevedo, 2001).

Em termos gerais, muito embora se verifique uma variação das condições

climáticas de um extremo ao outro do arquipélago e se observe uma variação espacial

significativa dentro de cada ilha, o seu clima no litoral pode ser classificado

genericamente de mesotérmico húmido com características oceânicas. (Azevedo, 2001).

1.1.1. Temperatura

A distribuição espacial da temperatura do ar é, regra geral, condicionada pelos

factores fisiográficos, principalmente relevo, natureza do solo e seu revestimento, assim

como a proximidade ao mar (Bettencourt, 1979). Segundo Agostinho, (1942), não

existem grandes diferenças de ilha para ilha, relativamente às condições médias de

temperatura que prevalecem às diferentes altitudes. Os dados de temperatura média

anual, disponibilizados pelo Centro de Clima, Meteorologia e Mudanças Globais da

Universidade dos Açores, (2008), confirmam a homogeneidade deste parâmetro em

altitudes semelhantes em diferentes ilhas. Os dados apresentados por este Centro

mostram que a temperatura média anual na Vila Nova do Corvo (para o ano de 2006) é

de 19,4ºC; em Angra do Heroísmo (para o ano de 2007) é de 18,91 ºC; no que diz

respeito à cidade da Horta (dados de 2006 e 2007) é de 19,84 ºC; finalmente para Ponta

Delgada o valor médio anual (para o ano e 2006) é de 19,52 ºC.

O que determina a temperatura à escala local é sem dúvida a natureza do coberto

vegetal e em particular, do substrato geológico, sendo de destacar a influência das

escoadas de lava negra e das faixas litorais de rocha basáltica (Agostinho, 1942).

Agostinho, (1938) menciona que a variação de temperatura do ar com a altitude se


_____________________________________________________________________________________

____________________________________________________________________________________

21

verifica em regra, para todo o arquipélago, a uma taxa aproximada de 0,6º por 100

metros. Os valores mais altos da temperatura do ar observam-se quando o anticiclone

subtropical dos Açores é intenso, muito desenvolvido, orientado na direcção sudoeste-

nordeste e está centrado a sudoeste do Arquipélago (Bettencourt, 1979).

Embora este factor tenha influência na distribuição das espécies de zonas

húmidas, de acordo com Mendes, (2010), a temperatura não parece atingir amplitudes

nem valores mínimos que constituam factor limitante para o desenvolvimento

vegetativo das espécies vegetais, embora possam ocorrer geadas acima dos 600 m.

1.1.2. Pluviosidade / Humidade

A pluviosidade e a humidade são, entre os factores climáticos, aqueles que maior

influência tem na formação, desenvolvimento e extensão de zonas húmidas nos Açores.

A pluviosidade parece ser dependente da movimentação de massas de ar, facto

que explicará a sua distribuição decrescente de W para E, com a maior pluviosidade

(para a mesma altitude) na ilha das Flores e a menor em Sta. Maria, facto já referido por

Agostinho (1941). A distribuição da pluviosidade também não é homogénea durante

todo o ano, tendo o seu máximo em Dezembro/Janeiro. A sua percentagem, de Outubro

a Fevereiro (inclusive), em relação ao total anual, é superior a 50%, enquanto de Junho

a Agosto (inclusive), é de apenas 14% (Agostinho, 1941). Os dados de pluviosidade

disponibilizados pelo Centro de Clima, Meteorologia e Mudanças Globais da

Universidade dos Açores (2008), mostram que a precipitação média mensal Vila Nova

do Corvo (para o ano de 2006) é de 119 mm; em Angra do Heroísmo (para o ano de

2007) é de 71 mm; no que diz respeito à cidade da Horta (dados de 2006 e 2007) é de

85 mm; finalmente para Ponta delgada o valor médio mensal (para o ano e 2006) é de

109 mm.

Para além dos valores de precipitação directa, na vegetação de altitude esta

amplitude é fortemente compensada pela precipitação horizontal, resultante do efeito de

Föehn. Este fenómeno, de particular importância nas ilhas oceânicas, tem o seu impacto

na distribuição da vegetação, evidente nas ilhas Canárias (Santos, 1983, Henriquéz et al.

1986). Estudos de Mendes, (2010) definem valores de entrada de água para a Serra de

Sta. Bárbara que atingem os 13000 mm anuais. Mendes, (2010) referem que a

precipitação oculta pode aumentar em 3 vezes a entrada de água nas zonas altas das


_____________________________________________________________________________________

____________________________________________________________________________________

22

ilhas. Para os Açores, a elevada humidade permanente, o intenso coberto de nuvens e a

distribuição dos ventos alísios apontam para um importante contributo desta

precipitação, principalmente nas vertentes Sul. A presença de um clima Muito Húmido

em altitude, ocupando o centro e centro-W da maioria das ilhas, e onde a situação

planáltica, com frequentes bacias endorreicas, cria condições frequentes de

encharcamento permanente, a que se deverá a existência das extensas zonas húmidas

identificadas durante a elaboração deste estudo.

1.1.3. Vento

O vento é um dos factores mais limitantes para o desenvolvimento de espécies,

principalmente em altitude (Mendes, 2010). Este condiciona a tipologia de vegetação de

zonas húmidas, principalmente em formações florestadas. O vento é influenciado pelo

relevo. A orientação das montanhas determina alterações na sua circulação. Assim, as

vertentes expostas ao vento são em geral mais húmidas e as vertentes resguardadas

menos húmidas. Com frequência estabelecem-se regimes de ventos próprios, como é o

caso do efeito de Foëhn. As condições de vento nos Açores tendem a variar bastante,

daí que sempre que tenhamos necessidade de conhecer o regime deste em determinado

local, torna-se necessário estudá-lo in loco. Algumas generalidades, de acordo com

Agostinho (1940): em Ponta Delgada os ventos dominantes são de NE, em Angra são de

SE e E, na Horta são de SW e nas Flores de S. Em termos de velocidades médias (de

acordo com o mesmo estudo), o valor mais alto é o da Horta (com 4,9 m/s) e o mais

baixo o de Ponta Delgada (com 2,9 m/s).


_____________________________________________________________________________________

____________________________________________________________________________________

23

1.2. Aspectos gerais das condições climáticas de São Jorge

Segundo Silva, (2003) São Jorge apresenta condições climáticas sui generis,

justificadas pela respectiva localização, dimensão e complexidade morfológica e

orográfica, uma vez que estes factores induzem a variação espacial, mais ou menos

significativa, dos diferentes elementos do seu clima.

1.2.1 Temperatura

Segundo silva, (2003) existe uma variação regular da temperatura do ar ao longo

do ano, apresentando uma média anual em todo o território de 11,06ºC, que atinge um

valor máximo de 15,30ºC junto à costa na parte sul da ilha e nas fajãs da costa Norte, e

um mínimo de 7,02ºc nos pontos mais altos, nomeadamente na zona do Pico da

esperança e da Serra do Topo. Também podemos constatar, com base nos perfis

climáticos da ilha, que para uma mesma cota, as temperaturas na Costa Sul são

superiores às registadas na Costa Norte. (Silva, 2003)

O mês de Agosto apresenta os valores mais elevados, em termos médios

(19,14ºC) e na média dos respectivos extremos (26,67ºC). Por sua vez, as temperaturas

médias mais baixas observadas (10,76ºC), assim como a média do respectivo extremo

(3,96ºC), correspondente ao mês de Fevereiro, as localidades da Calheta e Velas, ambas

localizadas no litoral da Costa Sul da Ilha, apresentam uma variação idêntica da

temperatura do ar, com valores médios anuais de 18,15ºC e de 17,77ºC, por sua vez, os

Rosais e o Topo, situados nas pontas da ilha, a altitudes mais elevadas, apresentam

também uma variação não muito díspar da temperatura média, apresentando valores

médios anuais de 15,33ºC e de 16,28ºC, respectivamente. O Pico da esperança, ponto

mais alto desta ilha, caracteriza - se por apresentar média anual baixa (10,20ºC). (Silva,

2003)


_____________________________________________________________________________________

____________________________________________________________________________________

24

1.2.2. Pluviosidade / Humidade

A sazonalidade da precipitação em S. Jorge é reveladora de um clima com

características marcadamente atlânticas onde, muito embora seja possível identificar

duas estações diferenciadas pelo regime pluviométrico, nomeadamente de Outubro a

Março e de Abril a Setembro, em nenhum mês do ano se verifica ausência de

precipitação.

Os meses de Outubro a Março concentram cerca 70% da precipitação total do

ano, por sua vez os menores valores desta variável correspondem aos meses de Julho e

Agosto.

A humidade relativa caracteriza – se por ser elevada ao longo do ano.

Em altitude, a humidade relativa do ar tende a aumentar, apresentando valores

próximos dos 95% nas zonas de maior altitude, acompanhando, de forma inversa, o

decréscimo da temperatura. (Silva, 2003)

1.2.3. Vento

Ao longo do ano predominam, nesta ilha, os ventos do quadrante Oeste,

verificando – se, no entanto, uma grande variação da direcção dos mesmos, facto

justificado pela localização em plena zona de confluência de diferentes sistemas de

circulação atmosférica, tal como as restantes do arquipélago. De uma maneira geral, de

Inverno, a evolução dos sistemas depressionários a Norte do arquipélago, conduz que os

ventos rondem a ilha por Norte e de Oeste para Leste. Durante o Verão, com a subida

em latitude dos sistemas de altas pressões da ilha é assediada por ventos do quadrante

Sul, Sudoeste e Sudeste. (Silva, 2003)

Capitulo 2 - Caracterização do objecto de estudo

_____________________________________________________________________________________

____________________________________________________________________________________

25

CAPITULO 2 - CARACTERIZAÇÃO DO OBJECTO DE

ESTUDO

2.1. Distribuição

A mosca-do-Mediterrâneo, Ceratitis capitata (Wied.) é uma das espécies de

insectos mais conhecidas a nível mundial é também vulgarmente conhecida por mosca

da fruta, ataca a nível mundial, mais de 250 espécies de plantas cultivadas, sendo

considerada a maior praga dos frutos frescos do mundo (Rössler, 1989).

A sua distribuição estende-se pelos cinco continentes, sendo uma espécie que

facilmente se adapta a diversas condições climáticas (Bodenheimer, 1951). Em Portugal

a mosca-do-Mediterrâneo, encontra-se estabelecida no continente Português, com

especial incidência na região do Algarve (Entrudo, 1955; Pereira, 1995; Carvalho et al.,

2000), na Madeira (Vieira, 1952; Pereira, 1999) e nos Açores (Pereira, 1949; Carvalho,

1984). No território continental a sua importância decresce de Sul para Norte.

Recentemente tornou-se mais agressiva no Norte do País (Leite & Torres, 1994),

havendo também nos últimos anos registos na zona Oeste afectando as produções

frutícolas desta Região. Esta crescente importância deve-se a uma menor severidade dos

invernos e a um aumento das zonas produção de fruta distribuindo-se por todo o País.

Isso aliado ao facto de haver circulação de frutos infestados estará na causa da migração

de locais onde a praga está presente todo o ano, para locais onde a praga só está presente

quando as condições climáticas e a disponibilidade de hospedeiro lhe são favoráveis.

Nos Açores o comportamento desta praga ainda carece de mais estudos.

Algumas tendências podem contudo ser apontadas. Trata-se de um importante problema

fitossanitário nos pomares dos Açores, cuja realidade tem vindo a ser amplamente

descrita para a Ilha Terceira (Pimentel, 2010). Nesta Ilha os prejuízos revelam-se de

uma extrema importância económica face à escassa produção das parcelas frutícolas

agravada de uma enorme taxa de infestação dos frutos. De acordo com os trabalhos

realizados por Lopes et al. (2005) e Costa (2007), os figos são os frutos que apresentam

os valores mais elevados de infestação, a pereira ocupa o segundo lugar e os

pessegueiros o terceiro (Pimentel, 2010).


_____________________________________________________________________________________

____________________________________________________________________________________

26

2.2. Morfologia e Bioecologia

O desenvolvimento da mosca-do-Mediterrâneo compreende quatro estados de

desenvolvimento: ovo, larva, pupa e adulto (Carvalho et al., 2001). O ovo tem forma

elipsoidal alongada, é branco translúcido e mede cerca de 1mm de comprimento

(Carvalho et al., 2001).

Os ovos (Fig. 2) são brancos e translúcidos apresentando cerca de 1,0 mm de

comprimento e 0,2 mm de largura.

Figura 2 – Ovos de mosca-do-Mediterrâneo (C. capitata Wied) (Florida Division of Plant Industry

Archive, Florida Department of Agriculture and Consumer Services, Bugwood.org).

A larva é ápoda, de cor branca, com cerca de 8 mm de comprimento, quando

completamente desenvolvida, apresenta a extremidade posterior truncada e a anterior

pontiaguda, com uma pequena área escurecida, corresponde à armadura bucal (Carvalho

et al., 2001).


_____________________________________________________________________________________

____________________________________________________________________________________

27

A pupa tem forma elipsoidal, com cerca de 3.5 mm de comprimento e 2.0 mm

de largura. A sua cor varia de amarelo a castanho – escuro dependendo da alimentação,

humidade e estado de desenvolvimento (Carvalho et al., 2001).

A pupa é coartacta, isto porque a pupação ocorre no interior da exúvia da larva

do 3º instar, que constitui um invólucro (puparium), em forma de barrilete, de início

esbranquiçado mas que, em pouco tempo, se torna acastanhado. É no interior desse

invólucro que a pupa se forma e fica protegida. É de salientar que é possível distinguir

os sexos logo a partir das pupas pela sua cor, uma vez que as pupas dos machos

apresentam uma coloração castanha e as das fêmeas são esbranquiçadas (Carvalho &

Aguiar, 1997).

Figura 3 – Pupas de mosca-do-Mediterrâneo (C. capitata Wied) (Scott Bauer, USDA Agricultural

Research Service, Bugwood.org)


_____________________________________________________________________________________

____________________________________________________________________________________

28

A larva (Fig.4) é de cor variável entre o branco e o creme dependendo da sua dieta

alimentar (Leonardo, 2002) podendo atingir no final da 3ª instar cerca de 8 mm de

comprimento (Carvalho & Aguiar, 1997).

Figura 4 – Larva de mosca-do-Mediterrâneo (C. capitata Wied) (Florida Division of Plant Industry

Archive, Florida Department of Agriculture and Consumer Services, Bugwood.org).

No adulto, o corpo é nitidamente constituído pela cabeça, toráx e abdómen,

tendo um comprimento que oscila entre 3 e 6 mm e coloração amarelo – claro. O

dimorfismo sexual é nítido (Fig. 5). Isto é, o macho distingue-se com facilidade da

fêmea, essencialmente nas regiões cefálicas e abdominais. Só os machos possuem um

par de sedas espatuladas na zona cefálica e as fêmeas um oviscapto (Carvalho et al.,

2001).

Figura 5 – Aspecto do macho e da fêmea da mosca-do-Mediterrâneo (Ceratitis capitata

Wiedemann): Fonte: (Pimentel 2010).


_____________________________________________________________________________________

____________________________________________________________________________________

29

Pouco depois da fecundação da fêmea inicia a postura, em grupos de três a dez

ovos, depositando-os a cerca 2 mm da superfície do fruto (Fig. 6). À temperatura média

de 26ºC, a eclosão dá-se ao fim de 2 dias (Carvalho et al., 2001). Completando o

desenvolvimento larvar na polpa dos frutos, as larvas abrem um orifício de saída e

deixam-se cair no solo para se enterrarem e puparem a pequena profundidade (2 cm a

10 cm), o que depende em grande parte das características físicas e da humidade do solo

(Carvalho & Aguiar, 1977).

O desenvolvimento larvar tem a duração de 6 a 7 dias à temperatura de 29ºC.

Depois da penetração no solo, a larva inicia uma série de transformações

passando o seu tegumento da cor inicialmente amarelada, para acastanhada e, por fim,

castanho – escura. Estas transformações são acompanhadas pelo endurecimento do

tegumento, dando origem ao pupário, enquanto no seu interior se forma a pupa

propriamente dita e, no final do desenvolvimento do adulto este emerge do pupário e

desloca-se do solo para a superfície. À temperatura de 26ºC – 27ºC, a pupa demora

cerca de 8 dias a complementar o desenvolvimento, após o que se dá a emergência do

adulto. Este ao alcançar a superfície do solo, procura um local abrigado e alimentado,

geralmente nas fruteiras. A maturidade sexual dos adultos chega a ser atingida ao fim de

4 dias, iniciando – se após a fecundação e a postura inicia-se um novo ciclo (Carvalho et

al., 2001). O ciclo de vida de C. capitata, entendido este como o período entre a postura

e o momento em que os adultos completam a maturidade sexual e se inicia novo período

de postura é, aproximadamente, de 21 dias quando a temperatura varia entre 26ºC e

29ºC (Carvalho et al., 2001).

O ciclo de vida, assim como o ciclo evolutivo, depende das condições climáticas

(temperatura, humidade), da natureza da dieta larvar, além de outros factores (Carvalho

et al., 2001).


_____________________________________________________________________________________

____________________________________________________________________________________

30

Figura 6 - Ciclo de vida da mosca-do-mediterrâneo (C.capitata Wied.). Adptado de Carvalho et al.

(1999).

Para o combate à praga, os agricultores, recorrem à aplicação de grandes

quantidades de insecticidas organofosforados com resultados pouco aceitáveis, em

termos de eficácia, duração dos efeitos e salvaguarda da biodiversidade (Dantas et al.,

1999).

Dadas as limitações associadas à luta química em geral e à inviabilidade da sua

aplicação em Agricultura Biológica, será desejável encontrar e utilizar um meio de luta

alternativo que seja eficaz e que respeite o ambiente.

A utilização de armadilhas, em acções de monitorização e de captura em massa,

constitui um importante avanço tecnológico para a implantação de novas medidas de

luta denominadas de biotécnicas contra a mosca-do-Mediterrâneo.


_____________________________________________________________________________________

____________________________________________________________________________________

31

2.3. Prejuízos causados pela mosca-do-Mediterrâneo

O adulto de C. capitata é muito polífago (Bodenheimer, 1951; Orlando, 1980)

podendo infestar um grande número de hospedeiros.

Nos Açores, o estudo do comportamento desse insecto tem sido realizado ao

longo dos últimos anos por Lopes et al. (2005, 2006, 2008a, 2008b, 2008c), no entanto,

este estudo foi limitado apenas à Ilha Terceira, abrangendo entre outras vertentes a

determinação de índices de infestação de diferentes hospedeiros.

De entre esses potenciais hospedeiros, os pêssegos integram-se nos frutos mais

susceptíveis e vulneráveis ao seu ataque. Isto, porque permitem o fácil desenvolvimento

dos ovos e larvas desta praga no seu interior (Pimentel, 2010) Contudo, nos pomares de

citrinos (Fig. 3), onde as suas populações atingem níveis elevados, principalmente perto

do período de maturação dos frutos, verifica-se uma mortalidade elevada nos ovos e

larvas no interior dos frutos, ultrapassando, muitas vezes, os 90%. (Carvalho & Aguiar,

1997). Normalmente, quando um fruto é atacado e á desenvolvimento de larvas no seu

interior, verifica-se um aumento significativo de manchas e surgem depressões em torno

dos pontos de ovoposição. Contudo, por vezes, mesmo que existam sintomas de ataque

não se regista o desenvolvimento de larvas, estes pontos acabam, assim, por ser portas

de entrada para outros microrganismos nocivos como diversos fungos que causam o

apodrecimento dos frutos afectados. O problema agrava-se quando estes frutos estão

misturados com os saudáveis, pois estes podem passar de fruto em fruto e acabar por

danificar os que não foram afectados directamente pela mosca-do-mediterrâneo.

Figura 7 - Impacto da mosca do mediterrâneo(Ceratitis capitata Wiedemann) em citrinos. Fonte:

Carvalho & Franquinho 1997.


_____________________________________________________________________________________

____________________________________________________________________________________

32

2.4. Factores abióticos com influência no desenvolvimento da mosca-

do-Mediterrâneo

Tendo por base os vários trabalhos de investigação realizados onde se destacam

os de Bodenheimer (1951), Vieira (1952), Shu-Sheng Liu et al. (1995), Papadopoulos et

al. (1998), Papadopoulos et al. (2001) e de Powell (2003) a temperatura e humidade

relativa são indicados como os factores de maior impacto no ciclo de vida de mosca-do-

Mediterrâneo pelo que ambos os parâmetros serão alvo de análise no presente estudo.

Segundo Vieira, (1952) as chuvas intensas e prolongadas, superiores a 125 mm,

principalmente quando a temperatura desce para abaixo dos 15ºC, provocam uma

grande mortalidade da mosca-do-Mediterrâneo por provocarem a sua inactividade e

uma elevada taxa de mortalidade entre as pupas. Contudo, ainda de acordo com este

mesmo autor, as chuvas bem distribuídas, e desde que o factor térmico não desça baixo

dos 15ºC, são favoráveis ao desenvolvimento rápido da praga podendo, mesmo, ser um

dos factores climáticos preponderantes na definição dos óptimos de desenvolvimento

desta praga.

Revela-se por isto importante e decisivo o conhecimento da bioecologia da

mosca-do-Mediterrâneo, por forma a permitir um acompanhamento adequado e uma

mais valia no desenvolvimento e nas actividades essenciais para a sobrevivência e

multiplicação, designadamente, o desenvolvimento, a detecção do hospedeiro, a

alimentação, o acasalamento e a postura (Pereira, 1995). Os insectos para se

dispersarem recorrem a dois tipos de deslocamentos: migratórios e não migratórios

(Christenson & Foote, 1960; Pereira, 1995). Os deslocamentos migratórios podem ser

condicionados não só pelos hospedeiros mas também, por outros factores ambientais

como os meteorológicos, factores biológicos (tipo de vegetação, existência de frutos de

potenciais hospedeiros, bioecologia da praga) ou barreiras físicas (desertos ou

montanhas) (Maddison & Bartlett, 1989; Pereira, 1995). Por sua vez, os deslocamentos

não migratórios envolvem voos determinados por causas essencialmente biológicas

relacionadas com a procura de alimento, de acasalamento ou de postura dentro de um

“habitat” (Fletcher, 1989; Pereira, 1995).


_____________________________________________________________________________________

____________________________________________________________________________________

33

De facto a análise da informação existente relativa aos factores abióticos

associados ao desenvolvimento desta praga estão centrados no clima.

Capitulo 3 - Material e Métodos

_____________________________________________________________________________________

____________________________________________________________________________________

34

CAPITULO 3 - MATERIAL E MÉTODOS

3.1. Descrição da área de estudo

O presente trabalho foi realizado na Ilha de S. Jorge, Açores.

O arquipélago dos Açores situa-se entre a Europa e América do Norte, entre as

coordenadas 36º 55’ e 39º 43’ de latitude norte e 25º 00’ e 31º 17’ de longitude oeste

(Bettencourt, 1979), constituindo a fronteira ocidental da Europa e o extremo norte e

este da Macaronésia. É constituído por três grupos distintos de ilhas: o grupo ocidental -

Flores e Corvo; central - Pico, Faial, S. Jorge, Terceira e Graciosa; e o oriental – S.

Miguel e Sta. Maria. As Ilhas açorianas ocupam na sua totalidade uma área aproximada

de 2.333 Km2. Talvez introdução

S. Jorge é uma ilha com uma área de 246 km², disposta em extensão linear de

considerável altitude, com um litoral escarpado e de difícil acesso. As suas fajãs são

numerosas, originadas por desmoronamentos ou acções torrenciais (Forjaz &

Fernandes, 1975). Na costa norte destacam-se as Fajã do Ouvidor, Fajã da Caldeira de

Cima, Fajã da Ribeira da Areia, Fajã dos Cubres e Fajã da Caldeira de Sto. Cristo. Na

costa Sul, a mais importante é a Fajã dos Vimes. A sua forma alongada e bastante

estreita (que a torna única a nível do arquipélago dos Açores) é o resultado de três

violentas erupções vulcânicas ocorridas com milhares de anos de intervalo. O planalto

central da Ilha situa-se a uma altitude média de 700 metros, caindo abruptamente para o

mar em determinadas zonas, especialmente no norte, onde existem falésias com mais de

400 metros (Forjaz & Fernandes, 1975). O Pico da Esperança (1.053 metros) é o ponto

mais alto da sua espinha dorsal. A matriz paisagística, que liga os dois maciços (Topo e

Pico da Esperança), é fortemente modelada pela actividade agropecuária, dominando as

áreas de pastagem e algumas áreas de uso silvícola, esta com um total domínio da

criptoméria. Ocorre neste corredor verde, conjuntamente com as áreas intervencionadas,

bolsas de habitats naturais de elevada importância ecológica, bem como sistemas mistos

de uso que contemplam uma importante integração com os sistemas naturais. Em

termos de formações naturais dominam bosques de Juniperus brevifolia (Seub.)Antoine,

florestas de Ilex perado Aít. Ssp azorica (Loes) Tutin e formações de Erica azorica

Hochst.. A zona de costa em termos de habitats é dominada por matas subespontâneas

de Myrica faya Ait. , Pittosporum undulatum Vent.e Erica azorica Hochst..


_____________________________________________________________________________________

____________________________________________________________________________________

35

Em relação aos pomares estudados (Fig. 8) estes localizam-se tendencialmente

nas faixas litorais nas zonas de menor altitude da ilha.

Figura 8 – Localização da área de estudo na Ilha de S. Jorge (delimitação a vermelho e a amarelo

estão localizadas as armadilhas instaladas).

Com o objectivo de avaliar as possíveis diferenças entre as costas Norte e

Sul da ilha foram seleccionados pomares para este estudo em ambas as situações

(Fig.8).


_____________________________________________________________________________________

____________________________________________________________________________________

36

3.2. Monitorização da mosca-do-Mediterrâneo

A análise da evolução e quantificação das densidades populacionais dos adultos

nos pomares em estudo foi efectuada através da implementação de armadilhas no campo

(Fig. 9). Foram colocadas 4 armadilhas (Tephri (com atrativo alimentar)) por Km2, com

a distância entre armadilhas de 1 Km a sua implantação no campo ocorreu em Março de

2011. Para a montagem da rede de armadilhas teve-se em conta os diferentes estratos de

altitude, bem como a realidade geográfica (quintas com pomares, quintais, vinhas e a

presença de hospedeiros desta praga). Cada armadilha foi georreferenciada recorrendo a

um GPS portátil (Etrex Legend – Garmin). A contagem e registo dos adultos capturados

de Ceratitis capitata (Wied.), nomeadamente, machos e fêmeas, realizou-se

quinzenalmente efectuando-se uma mudança de atractivos alimentares, designados por

3C (trimetilamina, acetato de amónio, putrescina) e da pastilha insecticida (DDVP), a

cada dois meses.

Com a implementação destas armadilhas no campo pretendeu-se monitorizar a

dinâmica populacional dos adultos da mosca-do-Mediterrâneo.

Figura 9 - Aspecto das armadilhas Tephri usadas na captura das fêmeas adultas instaladas no

campo.

A partir dos dados sobre o número de adultos recolhidos em cada uma das

parcelas estudadas procedeu-se à elaboração em SIG de mapas de dispersão dos adultos

da mosca-do-Mediterrâneo, com a identificação dos principais focos populacionais e

criação de mapas de risco.


_____________________________________________________________________________________

____________________________________________________________________________________

37

A gestão do Sistema de Informação Geográfico será realizada pelo software

ArcGis 9.3 constituído por fotografia aérea dos locais interligados a bases de dados.

3.3. Análise de infestação de frutos da mosca-do-Mediterrâneo

Nesta avaliação dos frutos atacados por Ceratitis capitata (Wied.), realizaram -

se colheitas aleatórias de frutos, que tinham iniciado a sua maturação, com uma

periodicidade quinzenal (actividade iniciada na altura da 1ª recolha de adultos nas

armadilhas da rede), por cada estrato de altitude em função dos hospedeiros

identificados, atendendo aos hospedeiros chave, como a macieira e a laranjeira, entre

outros, que se pretende que venham constituir uma lista inicial a elaborar e que se

encontrem no interior e nas zonas envolventes aos pomares estudados.

Figura 10 –Determinação da taxa de infestaçãos

Resultou da observação visual dos frutos com sintomas de postura de C. capitata

e efectuou - se a recolha de 10 frutos por espécie fruteira, compreendendo a recolha de 5

frutos do chão e de 5 frutos da árvore. Caso não se encontrem as quantidades referidas,

as amostras serão recolhidas de acordo com a sua abundância.

Cada amostra, depois de recolhida, foi colocada em sacos de plástico

identificados com a data, local e altitude. Posteriormente no laboratório, os frutos foram

pesados e colocados em recipientes de plástico (Fig.10) durante 15 dias para

determinação da taxa de infestação por fruto e por quilograma de fruta. A observação

dos frutos realizou - se duas vezes por semana.


_____________________________________________________________________________________

____________________________________________________________________________________

38

No caso da não verificação da presença de larvas ao fim dos 15 dias de

observação prosseguiu - se para a abertura do fruto e prospectar a presença das mesmas

antes de serem encaminhados como resíduos.

Foi elaborado em SIG de mapas de dispersão dos adultos da mosca-do-

Mediterrâneo, com a identificação dos principais focos populacionais e criação de

mapas de risco.


_____________________________________________________________________________________

____________________________________________________________________________________

39

3.4. Análise da influência da paisagem com factores geográficos,

índices habitats e climáticos.

Análise da paisagem foi realizada através de factores climáticos, habitats e

geográficos.

Para tal, em termos da ocupação do solo, efectuou-se um levantamento in situ da

abundância de espécies envolvente aos pomares com registo fotográfico, elaborou – me

em SIG a delimitação das áreas dos pomares bem como as envolventes com um raio de

100 metros. Após determinadas as áreas calculou – se os índices de habitats através do

programa Species Diversity and Richness Version 4.0.para verificar a posteriormente

relevância do uso da paisagem na abundância da mosca-do-Mediterrâneo no software

SAM 4.0 (Análise Espacial em Macroecologia).

3.4.1. Índices de Habitats

Índice de Diversidade de Shannon – Wiener (H’)

H’= -Σpi ln pi,

Em que pi é ni/N, ou seja, porpoção de parcelas correspondentes a cada habitat

(Magurran,1988).

No presente estudo determinou – se este índice de diversidade para as parcelas

de cada habitat envolventes a cada pomar estudado.

Um pomar prioritário com base neste indice é suposto possuir uma diversidade

estrutural. Ou seja, baixa dominancia, e uma distribuição mais ou menos homogénea de

parcelas de cada habitat. (Magurran, 1988).

Índice de dominancia de Berger – parker (d)

d=Nmax/NT

Onde N max é o numero de parcelas do habitat mais comum e NT é a soma de

todos os habitat (Anónimo, 1998). De modo a assegurar que o valor do indice aumente


_____________________________________________________________________________________

____________________________________________________________________________________

40

com o aumento da diversidade usou – se a sua forma reciproca (1/d) (Magurran, 1988).

Este indice é simples mas de grande interresse, pois permite determinar se um pomar é

homogéneo, ou seja, dominado por algum habitat em particular.

Índice de Simpson (D)

D= Σpi²

Onde pi é a proporção de parcelas de cada habitat. Este índice diminui com a

diversidade de habitats num pomar e vice – versa.

Equitabilidade (E)

Índice de equitabilidade de Simpson é igual a 1 quando as áreas das diferentes

classes de parcelas são iguais, à medida que as diferenças aumentam o valor diminui.


_____________________________________________________________________________________

____________________________________________________________________________________

41

3.4.2. Varáveis Climáticas

Os dados climáticos utilizados foram fornecidos pelos Projectos CLIMAAT

(Interreg IIIB)(MAC 2.3/A3 - 03/MAC/2.3/A5 - 05/MAC/2.3/A1) universidades dos

Açores – Departamento de Ciências Agrárias.

Os mesmos foram trabalhados através do software SIG para a elaboração mapas

cartográficos necessários para a elaboração do estudo (Figuras 11, 12, 13 e 14).

Figura 11 – Valores médios da humidade máxima na Ilha de São Jorge.


_____________________________________________________________________________________

____________________________________________________________________________________

42

Figura 12 – Valores médios da temperatura mínima na Ilha de São Jorge.

Figura 13 – Valores médios de precipitação na Ilha de São Jorge.


_____________________________________________________________________________________

____________________________________________________________________________________

43

Figura 14 – Valores médios de temperatura na Ilha de São Jorge.

Foi necessário a utilização do software SPSS 10.0, para verificar e

normalizar os dados.

Após a determinação das áreas, determinadas com auxílio de um GPS portátil

(Etrex Legend – Garmin) e dos índices de diversidade para os habitats, incorporando os

dados de abundância total e os dados climáticos de cada local, recorreu-se novamente ao

software SPSS versão 10.0, para testar e verificar a normalidade de cada variável

explicadora e respetiva resposta (ver anexo).

Quando a normalização foi violada realizou – se a sua transformação

logarítmica, tendo - se utilizado o log (X+1) quando ocorriam zero (0) nas amostras.

As variáveis em que foi necessário realizar a normalização dos dados através de

transformações logarítmicas incluíram as duas respostas relativas à abundância de

fêmeas e abundância de machos e ainda a precipitação (ver anexo) de entre as diferentes

variáveis explicadoras.


_____________________________________________________________________________________

____________________________________________________________________________________

44

O passo seguinte consistiu na avaliação da existência de colinariedade entre

variáveis explicadoras. Para tal, fez-se uma correlação paramétrica entre variáveis,

usando – se como regra aceitar apenas aquelas com correlações entre si inferiores a

r²=0,75 (quadro 5). Nos casos em que se verificou correlações superiores a 0,75 optou –

se pela variável com maior correlação. Assim sendo, as variáveis resposta obtidas são:

Variáveis climáticas

Humidade relativa máxima (Hrmax)

Temperatura mínima (Tmin)

Precipitação (Prec)

Variáveis habitats

Simpson_E

Breger – Parker

Variáveis geográficas

Altitude

Orientação

Inclinação

Latitude

Longitude

Para a obtenção de um modelo mínimo adequado realizaram-se regressões

múltiplas com “backward selection”, por este ser considerado uma das formas mais

robustas de seleccionar o conjunto de variáveis que explicam um modelo de regressão

múltipla (Crawley, 1983).


_____________________________________________________________________________________

____________________________________________________________________________________

45

3.4.3. SAM 4.0 (Software de Análise Espacial em Macroecologia)

É um programa concebido como um pacote de ferramentas para análise

estatística espacial, principalmente para aplicações em Análise de Superfície padrão

espacial. O programa SAM é usado principalmente nas áreas de macroecologia e

biogeografia. Uma das suas grandes vantagens é a sua total integração com vários tipos

de SIG nomeadamente a importação e exportação de dados para “shapefiles”. Desta

forma foram avaliadas as tipologias de climáticas/geográficas e habitats envolventes ao

pomar que sejam de menor aptidão para a praga (Rangel et al., 2010).

Este programa permite também a análise estatística descritiva de padrões

espaciais, como por exemplo, auto correlações e regressões espaciais avançadas

(Rangel et al, 2010).

A auto correlação espacial pode ser avaliada com dados multidimencionais.

Esta técnica é bastante frequente na ecologia e biologia evolutiva para analisar a

semelhanças entre variáveis. Permite definir uma matriz de variância-covariância e

assim verificamos a interação entre até três conjuntos de variáveis (Rangel et al, 2010).

Foi analisado no programa acima referido a interação de três variáveis

explicativas (climáticas, habitats e geográficas) com a variável resposta (abundância da

praga em estudo).

Capitulo 4 - Resultados e Discussão

_____________________________________________________________________________________

____________________________________________________________________________________

46

CAPITULO 4 - RESULTADOS E DISCUSSÃO

4.1. Monitorização dos adultos de mosca-do-Mediterrâneo (Ceratitis

capitata Wiedemann)

Os resultados apontam que os valores totais e médios das populações de adultos

C. capitata encontrados na Ilha de S. Jorge são elevados, o que é preocupante para a

escassa produção frutícola da Ilha prevendo assim grandes prejuízos causados por esta

praga.

Uma análise dos resultados obtidos, expressos em termos de

média/armadilha/mês (Fig.15) mostra que as capturas dos adultos da mosca-do-

Mediterrâneo são muito superiores na Zona Sul tendo sido registado nesta área de

estudo um pico populacional máximo em Agosto com a captura de cerca de 78 adultos

em média por armadilha por mês. A Norte o máximo de capturas foi registado, um mês

depois, ou seja, no mês de Setembro mas com nível bastante menor, não atingindo os 10

adultos/armadilha/ mês.

Os dados obtidos durante este estudo permitem estabelecer uma realidade

deveras preocupante em relação a esta praga uma vez que a densidade populacional de

fêmeas obtidas é amplamente superior à encontrada para a Ilha Terceira, verificando-se

assim condições para maiores perdas na produção na Ilha de S. Jorge.

Nas duas áreas de estudo, e como já foi mencionado anteriormente, observou-se

uma disparidade temporal relativa ao aparecimento de adultos entre a zona Sul e a zona

Norte. Esta informação pode ser utilizada na previsão do aparecimento dos adultos nas

áreas de produção localizadas a Norte uma vez que dos dados recolhidos se observa que

estes aparecem com um atraso de um mês em relação ao pico populacional observado a

Sul. Desta forma pode-se, antecipadamente, tomar medidas de protecção dos frutos dos

pomares de macieira localizados na zona Norte diminuindo assim, de forma mais

significativa, a sua menor prevalência nessas parcelas de produção.

Assumindo a integração deste estudo numa realidade de objectivos mais gerais

em relação à mosca-do-Mediterrâneo foi criada e gradualmente melhorada uma base de

dados em SIG resultado dos estudos que tem vindo a ser efectuados. A sua utilização


_____________________________________________________________________________________

____________________________________________________________________________________

47

permite simultaneamente uma maior facilidade e rapidez, quer no dimensionamento dos

dados obtidos nos estudos conduzidos quer no tratamento dos próprios dados. A

representação cartográfica dos registos de capturas obtidos permite assim uma melhor

visualização e detecção dos principais focos de C. capitata na Ilha de S. Jorge (Fig.18 e

19). De facto, a integração destes dados da monitorização em ambiente SIG é uma

ferramenta essencial que permite construir cartas com definição dos locais com maiores

densidades populacionais desta praga, quer na zona Norte quer na zona sul da Ilha e S.

Jorge.

Apesar das armadilhas Tephri serem direccionadas para a captura de fêmeas (ao

possuírem um atractivo alimentar) optou-se para conhecer as densidades e a flutuação

populacional dos machos pela utilização simultânea de armadilhas Delta (com feromona

sexual especifica) nas mesmas áreas de estudo. Os resultados obtidos em relação aos

machos adultos confirmam, na ilha de S. Jorge, uma densidade de adultos, muito menor,

comparativamente com a Ilha Terceira tendo em conta os resultados obtidos por

Pimentel (2010). Para além disso, as densidades dos machos são muito menores em

relação às fêmeas (Fig.20).


_____________________________________________________________________________________

____________________________________________________________________________________

48

Ilha de São Jorge

0

10

20

30

40

50

60

70

80

Mar Abr Mai Jun Jul Ago Set Out Nov Dez Jan Fev Mar Abr Mai Jun

2011 2012

Mé

dia

me

nsa

l

M

F

Figura 15 – Capturas mensais dos adultos de mosca-do-Mediterrâneo (C. capitata Wied).

Zona Norte, Ilha de São Jorge

0

50

100

150

200

250

300

350

400


2011 2012

Cap

tura

s to

tais

M

F

Figura 16 - Capturas totais na Zona Norte da Ilha de São Jorge dos adultos de mosca-do-

Mediterrâneo (C. capitata Wied).


_____________________________________________________________________________________

____________________________________________________________________________________

49

Zona Sul, Ilha de São Jorge

1 35203

649 709

2860

2154

5392

18057 89 19 27 106

394174

0

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

5500

6000


2011 2012

Cap

tura

s to

tais

M

F

Figura 17 - Capturas totais na Zona Sul da Ilha de São Jorge dos adultos de mosca-do-Mediterrâneo

(C. capitata Wied)

Considerando que, dos adultos da mosca-do-Mediterrâneo (C.capitata), são as

fêmeas que desempenham um papel fundamental no aparecimento dos prejuízos nos

frutos, pois são elas que pelas posturas que realizam nos frutos causam a sua

desvalorização em termos comerciais danos, foi fundamental determinar os seus

principais focos populacionais. Nesse sentido, tendo em conta a sequência mensal

apresentada na Figura 15, utilizando o ArcGis foi possível determinar,

cartograficamente, a localização destes focos (Fig. 18).


_____________________________________________________________________________________

____________________________________________________________________________________

50

Figura 18 – Capturas das fêmeas adultas de mosca-do-Mediterrâneo (C.Capitata Wied).

Figura 19 – Capturas dos machos adultos de mosca-do-Mediterrâneo (C. capitata Wied).


_____________________________________________________________________________________

____________________________________________________________________________________

51

Figura 20 – Relação de fêmeas para um macho de adultos de mosca-do-Mediterrâneo (C. capitata

Wied).

4.2. Determinação da Taxa de infestação de frutos

Os resultados da análise de infestação dos frutos apresentam-se na tabela 1. De

acordo com Vieira (1952) as fêmeas de mosca-do-Mediterrâneo (Ceratitis capitata

Wiedemann) normalmente seleccionam os frutos mais polposos e aromáticos para

realizarem as posturas. De facto, atendendo aos resultados obtidos na determinação de

infestação de frutos, comparando com os trabalhos de Lopes et al. (2005a) e Costa,

(2007), os figos, nêsperas e araçás, são os frutos mais apetecíveis para as fêmeas

adultas com taxas totais de infestação de superiores a 1.000 larvas por quilo de fruta.

Atendendo à área total de estudo, na Figura 21 estão localizados os locais de

amostragem de frutos bem como , a vermelho, os que evidenciaram as mais elevadas

taxas de infestação por C. capitata .


_____________________________________________________________________________________

____________________________________________________________________________________

52

Figura 21 – Localização dos pontos de amostragem onde nos frutos se registaram as maiores taxas

de infestação.


_____________________________________________________________________________________

____________________________________________________________________________________

53

Quadro 1 - Resumo dos frutos amostrados e respectivas taxas de infestação.


_____________________________________________________________________________________

____________________________________________________________________________________

54

Continuação - Quadro 1 - Resumo dos frutos amostrados e respectivas taxas de infestação.


_____________________________________________________________________________________

____________________________________________________________________________________

55

Continuação - Quadrado 1 - Resumo dos frutos amostrados e respectivas taxas de infestação.


_____________________________________________________________________________________

____________________________________________________________________________________

56

N.º de larvas/Kg de Fruta

0 200 400 600 800 1000 1200 1400 1600 1800 2000

AbacateAmeixaAnonaAraçá

BarrileiroCafé

DiospiroFigo

GoiabaLaranja

Laranja azedaMaçã

MarmeloMedronhoNectarina

NêsperaPêra

PêssegoRomã

TomateUva

Total

Figura 22 – Taxa de infestação de diferentes frutos amostrados (expressas em número de larvas por

Kg de frutos).

De acordo com a Figura 22 o figo é o fruto que apresenta maior taxa de infestação

larvar da C. capitata, seguindo-se da nêspera, café e araçá.

Da análise da Figura 22 e o Quadro 1 verifica-se que as elevadas taxas de infestação da

mosca-do-mediterrâneo observam-se em zonas com maior número de hospedeiros perto dos

pomares estudados. Para Azevedo Junior et al. (1998), C. capitata esse facto assume

grande importância porque pode ocorrer durante todo o ano, devido à grande

diversidade de frutos que este insecto afecta, apresentando o que normalmente é

chamado de “sucessão de hospedeiros”, ou seja, passa de uma fruteira para outra, à

medida que estas vão frutificando e amadurecendo os seus frutos ao longo do ano.

Assim, a existência de hospedeiros silvestres próximos de pomares comerciais

agrava o problema colocado por esta praga permitindo a existência de elevadas

densidades populacionais (Malavasi, 1980). Quando existem hospedeiros em

abundância, a população de C. capitata aumenta e apenas ocorre migração desses para

outros locais, na procura de habitat e condições mais favoráveis, quando a

disponibilidade de frutos diminui (Malavasi & Morgante, 1981).


_____________________________________________________________________________________

____________________________________________________________________________________

57

4.3. Variáveis climáticas

De acordo com os resultados obtidos a partir dos dados CLIMAT, foi

necessário normalizar apenas a variável precipitação (ver anexo) que não

apresentava uma distribuição normal. No Quadro 2 é apresentada a variável

precipitação já normalizada.

Quadro 2 - Dados climáticos (valores médios anuais da ilha de S. Jorge) (Fonte: CLIMAT).

HRMAX TMIN PRECIPITACAO TMAX

98,2134 12,529733 0,39999756 17,648333

97,881 12,320267 0,399997509 17,472333

98,783666 11,6922 0,399998647 16,8756

92,761533 14,2218 0,399996837 19,385666

95,920133 13,153733 0,399997751 18,2814

93,821466 13,9506 0,39999741 19,116533

91,655133 14,459467 0,399997395 19,652067

89,614733 14,913333 0,39999604 20,074

93,79 13,8066 0,399998595 18,957467

94,444268 13,5966 0,399998148 18,761467

90,389134 14,748133 0,399996004 19,9302

89,824266 14,858067 0,39999706 20,073

92,793067 14,009733 0,399997624 19,222334

88,603067 15,0784 0,399996766 20,2558

88,617801 14,948333 0,39999675 20,158733

89,156801 14,917 0,399997035 20,130067

94,190866 13,052333 0,399998726 18,243133

87,677867 15,259333 0,399996707 20,483466

89,123733 14,796267 0,399997065 20,002267

98,977 10,992267 0,399998976 16,284467

97,979933 11,652667 0,399997208 16,925667

97,898734 11,7134 0,399997344 16,9806

97,728934 11,888933 0,399997559 17,152067

98,543133 11,264467 0,399999277 16,554

98,7734 11,387133 0,399999201 16,6678

98,128 11,620267 0,399999204 16,931533

98,763467 11,475533 0,399999218 16,7626

97,369066 12,016 0,399998355 17,304267

96,674599 12,334733 0,399997725 17,5926

94,261733 13,686067 0,399997078 18,933733

91,187466 14,500333 0,399996725 19,785733

90,901133 14,560733 0,399996401 19,826466


_____________________________________________________________________________________

____________________________________________________________________________________

58

4.4. Análise da influência da paisagem (factores geográficos, índices

habitats e climáticos) na abundância da mosca-do-Mediterrâneo.

Figura 23 – Exemplo da delimitação das áreas envolventes aos pomares (num raio de 100 metros).

Com base na observação in situ e no levantamento fotográfico realizado em cada um

dos pomares, foi possível elaborar uma memória descritiva generalizada dos habitats

existentes nas respetivas áreas envolventes. Utilizando o software ArcGis 9.3, com essa

mesma memória e as fotografias aéreas dos locais, foi possível cartografar cada um dos

pomares e as respetivas áreas envolventes até a um raio de 100 metros (Fig. 23). Com

esta análise foi possível elaborar o Quadro 3.


_____________________________________________________________________________________

____________________________________________________________________________________

59

Quadro 3 - Áreas envolventes ao pomares e tipo de habitas.

Pomar Área Hospedeiros em habitat Habitat

01N 669,09700000000 Vaccinnium cylindraceum J.E.Sm. Pittosporum undulatum Vent.

01N 9440,20000000000 Pittosporum undulatum Vent.



01N 2989,90000000000 Pastagem

01N 10136,80000000000 Cryptomeria japonica (L.f.) D. Don

01N 4471,09000000000 Pastagem

01S 2101,79000000000 Estrada (via de circulação automóvel)

01S 477,73200000000 Myrica faia Ait.

01S 5670,56000000000 Pastagem

01S 834,26000000000 Pastagem

01S 480,27700000000 Habitação

01S 12231,80000000000 Eriobotrya japonica (Thumb.) Lindl. Pastagem

01S 383,25200000000 Habitação

01S 862,48800000000 Anona cherimolia Mill., Eriobotrya japonica

(Thumb.) Lindl. Zona de cultivo (hórticolas)

01S 4746,39000000000 Pittosporum undulatum Vent.

01S 9902,16000000000 Pastagem

01S 261,23600000000 Habitação

02N 11997,20000000000 Pastagem



02N 8640,10000000000 Pastagem


02N 597,65300000000 Pastagem


02N 3142,58000000000 Pastagem

02N 19982,80000000000 Pastagem

02N 3401,63000000000 Pastagem






02N 14096,30000000000 Malus domestica Borkh.

02S 491,95700000000 Zona de cultivo (hórticolas)

02S 190,12200000000 Habitação

02S 318,29800000000 Habitação

02S 192,97200000000 Habitação

02S 1288,96000000000 Pastagem

02S 1446,01000000000 Habitação

02S 417,84800000000 Vinha (Vitis Sp. L.)

02S 204,61300000000 Habitação

02S 3007,52000000000 Musa Spp.


02S 462,06000000000 Habitação

02S 2790,87000000000 Pastagem

02S 173,41100000000 Habitação


02S 136,63600000000 Habitação


02S 2330,58000000000 Pastagem

02S 4857,29000000000 Vinha (Vitis Sp. L.), Ficus carica L..; Anona

cherimolia Mill. cherimolia Mill. Zona de cultivo (hórticolas)

02S 4789,40000000000 Pastagem


02S 4971,78000000000 zona costeira

02S 1521,66000000000 zona costeira






03N 11997,20000000000 Pastagem



03N 8640,10000000000 Pastagem


03N 597,65300000000 Pastagem


03N 3142,58000000000 Pastagem

03N 19982,80000000000 Pastagem

03N 3512,30000000000 Pastagem

03N 21510,40000000000 Malus domestica Borkh.


03S 3334,70000000000 Vinha (Vitis Sp. L.), Ficus carica L..,

Eriobotrya japonica (Thumb.) Lindl.,

Castanea sativa Mill., Psidium grandifolium

Myrica faia Ait.

03S 2628,03000000000 Pastagem



03S 8634,76000000000 Pastagem


_____________________________________________________________________________________

____________________________________________________________________________________

60

(Continuação Quadro 3 - Áreas envolventes ao pomares e tipo de habitas).

03S 117,93200000000 Psidium grandifolium

03S 352,34700000000 Ficus carica L.., Eriobotrya japonica

(Thumb.) Lindl., Psidium grandifolium Zona de cultivo (hórticolas)

03S 4578,73000000000 Pastagem

03S 2496,30000000000 Pastagem

03S 96,95750000000 Habitação

03S 1552,45000000000 Habitação

03S 484,37600000000 Habitação

03S 768,13300000000 Habitação


03S 3782,72000000000 Myrica faia Ait.

04N 2573,18000000000 Estrada (via de circulação automóvel)

04N 6547,81000000000 Pastagem

04N 2902,26000000000 Myrica faia Ait.

04N 11532,20000000000 Exóticas

04N 8287,16000000000 Myrica faia Ait.


04N 9540,35000000000 Pastagem

04N 1143,49000000000 Pastagem

04S 4152,09000000000 Pastagem


04S 295,41300000000 Habitação

04S 245,35300000000 Habitação

04S 160,36600000000 Habitação

04S 238,32500000000 Habitação

04S 204,53800000000 Habitação

04S 166,79900000000 Habitação

04S 679,31400000000 Habitação

04S 47,21190000000 Habitação

04S 153,55600000000 Habitação

04S 121,51700000000 Habitação

04S 101,57800000000 Habitação

04S 161,38700000000 Habitação

04S 745,23700000000 Habitação

04S 6440,76000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.

04S 2512,38000000000 Pastagem

04S 637,91400000000 Pastagem


04S 655,91500000000 Musa Spp.

04S 894,94000000000 Anona cherimolia Mill. Castanea sativa Mill.


04S 977,41800000000 Pastagem


04S 1047,30000000000 Myrica faia Ait.

04S 483,99100000000 Habitação

04S 282,56000000000 Myrica faia Ait.







05N 1493,83000000000 Pastagem

05N 4562,39000000000 Pastagem

05N 2012,24000000000 Pastagem

05N 2989,57000000000 Pittosporum undulatum Vent., Erica azorica Hoschst.

05N 2658,90000000000 Pastagem


05N 440,25300000000 Habitação

05N 255,91700000000 Habitação

05N 164,41500000000 Habitação

05N 118,67100000000 Habitação

05N 4507,41000000000 Pastagem

05N 3370,85000000000 Ficus carica L.., Eriobotrya japonica

(Thumb.) Lindl. Myrica faia Ait.

05N 17101,90000000000 Pastagem

05S 34,13070000000 Ficus carica L..

05S 975,10500000000 Habitação

05S 509,61100000000 Habitação

05S 181,34500000000 Habitação

05S 417,26400000000 Habitação

05S 84,29880000000 Habitação

05S 251,54500000000 Habitação

05S 523,59300000000 Habitação

05S 1563,08000000000 Habitação

05S 184,87000000000 Habitação

05S 393,02500000000 Habitação

05S 198,14300000000 Habitação

05S 138,13800000000 Habitação


05S 766,70800000000 Vinha (Vitis Sp. L.)



_____________________________________________________________________________________

____________________________________________________________________________________

61

(Continuação Quadro 3 - Áreas envolventes ao pomar e tipo de habitats).


05S 2275,80000000000 Pastagem


05S 349,82500000000 Pastagem


05S 1104,52000000000 Pastagem





05S 1284,51000000000 Eriobotrya japonica (Thumb.) Lindl. Myrica faia Ait.

05S 682,30800000000 Pastagem





06N 142,13100000000 Habitação

06N 69,43940000000 Habitação

06N 336,80700000000 Habitação

06N 112,80600000000 Habitação


06N 2193,46000000000 Pastagem

06N 4460,47000000000 Pastagem

06N 424,59100000000 Pastagem

06N 1489,95000000000 Pastagem

06N 2977,41000000000 Pastagem

06N 2011,59000000000 Pastagem

06N 2197,16000000000 Pastagem

06N 6852,87000000000 Myrica faia Ait.



06S 77,58320000000 Habitação

06S 221,51400000000 Habitação



06S 3346,52000000000 Pastagem


06S 220,76100000000 Pastagem

06S 394,41900000000 Anona cherimolia Mill., Ficus carica L.. Zona de cultivo (hórticolas)


06S 450,90500000000 Habitação

06S 792,89700000000 Habitação

06S 2375,92000000000 Pastagem

06S 1229,94000000000 Ficus carica L.. Zona de cultivo (hórticolas)

06S 183,66600000000 Habitação


06S 5827,43000000000 Myrica faia Ait. Zona de cultivo (hórticolas)

06S 269,75700000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)

06S 1335,48000000000 Pastagem

06S 4114,63000000000 Pastagem

06S 186,78400000000 Habitação


06S 1097,81000000000 Musa Spp. Myrica faia Ait.


07N 2071,92000000000 Zona de cultivo (hórticolas)

07N 203,90400000000 Habitação

07N 251,18000000000 Habitação

07N 137,25200000000 Habitação

07N 234,91800000000 Habitação

07N 62,35860000000 Habitação

07N 2014,36000000000 Ficus carica L.., Eriobotrya japonica



07N 36,88160000000 Habitação

07N 803,64500000000 Pastagem

07N 100,68200000000 Habitação

07N 3748,19000000000 Pastagem


07N 6203,18000000000 Pastagem





07N 861,75300000000 Pastagem

07N 2322,03000000000 Pastagem

07S 160,72600000000 Habitação


07S 207,66300000000 Habitação

07S 279,80900000000 Pastagem

07S 865,98500000000 Ficus carica L.. Pastagem

07S 149,56300000000 Exóticas

07S 501,43400000000 Exóticas


_____________________________________________________________________________________

____________________________________________________________________________________

62


07S 1137,94000000000 Habitação

07S 247,00700000000 Vinha (Vitis Sp. L.)

07S 1819,08000000000 Psidium grandifolium, Ficus carica L..; Anona

cherimolia Mill. cherimolia Mill. Zona de cultivo (hórticolas)

07S 46,39820000000 Habitação


(Thumb.) Lindl., Psidium grandifolium Zona de cultivo (hórticolas)

07S 980,22400000000 Habitação

07S 79,58080000000 Habitação

07S 522,29400000000 Habitação

07S 344,83700000000 Exóticas


07S 415,61600000000 Pastagem

07S 143,35800000000 Anona cherimolia Mill., Ficus carica L.. Pittosporum undulatum Vent.

07S 219,02000000000 Habitação


07S 2973,89000000000 Anona cherimolia Mill., Ficus carica L.. Pastagem

07S 4722,86000000000 Pastagem

07S 2111,68000000000 Habitação




07S 1234,09000000000 Habitação


07S 113,42800000000 Pastagem


08N 123,23300000000 Habitação

08N 92,39570000000 Habitação

08N 129,62800000000 Habitação

08N 129,07300000000 Habitação

08N 233,74200000000 Habitação

08N 64,77000000000 Habitação

08N 190,16500000000 Habitação

08N 150,27600000000 Habitação

08N 431,58800000000 Habitação

08N 219,17800000000 Habitação

08N 138,88400000000 Habitação

08N 204,23400000000 Habitação

08N 112,51700000000 Habitação

08N 147,00600000000 Habitação

08N 169,20700000000 Habitação

08N 203,85400000000 Habitação

08N 276,67300000000 Habitação

08N 110,54000000000 Habitação

08N 231,30800000000 Habitação

08N 532,16500000000 Habitação

08N 71,39720000000 Habitação

08N 169,61900000000 Habitação

08N 93,23570000000 Habitação

08N 85,79470000000 Habitação

08N 95,34710000000 Habitação







08N 1544,17000000000 Pastagem

08N 1904,10000000000 Pastagem

08N 1087,82000000000 Pastagem

08N 5568,87000000000 Pastagem

08N 3081,92000000000 Pastagem







08N 2190,17000000000 Pastagem


08N 139,79400000000 Habitação


08N 2460,71000000000 Mata Pittosporum undulatum Vent. e Myrica faia Ait.

08S 64,52270000000 Ficus carica L..


08S 248,75600000000 Habitação

08S 1329,87000000000 Habitação

08S 478,63900000000 Habitação

08S 5707,43000000000 mata Pittosporum undulatum Vent. e acacia

melanoxylon

08S 3731,42000000000 Pastagem



_____________________________________________________________________________________

____________________________________________________________________________________

63


08S 454,48300000000 Pastagem


08S 541,25900000000 Habitação

08S 3876,75000000000 Pastagem


08S 979,16500000000 Myrica faia Ait.

08S 5750,16000000000 Pastagem


08S 904,00600000000 Pastagem

08S 193,52900000000 Habitação



09N 50,48220000000 Habitação

09N 181,65800000000 Habitação

09N 106,88500000000 Habitação

09N 120,33700000000 Habitação

09N 83,91630000000 Habitação

09N 75,75370000000 Habitação

09N 114,96400000000 Habitação

09N 183,78500000000 Habitação

09N 141,59700000000 Habitação

09N 229,00600000000 Habitação

09N 50,87220000000 Habitação

09N 122,79600000000 Habitação

09N 65,70390000000 Habitação

09N 175,65800000000 Habitação

09N 94,46380000000 Habitação

09N 112,66900000000 Habitação

09N 480,15600000000 Habitação

09N 113,14500000000 Habitação

09N 297,65200000000 Habitação

09N 171,52700000000 Habitação

09N 2467,94000000000 Pastagem

09N 1911,27000000000 Pastagem

09N 962,58800000000 Pastagem

09N 1850,80000000000 Pastagem



09N 907,69700000000 Pastagem

09N 859,88100000000 Pastagem

09N 307,54400000000 Pastagem




09N 2645,93000000000 Pastagem


09N 888,05000000000 Pastagem


09N 512,80500000000 Pastagem

09N 609,21100000000 Pastagem


09N 148,10600000000 Castanea sativa Mill.; Ficus carica L.. Zona de cultivo (hórticolas)

09N 33,79540000000 Habitação

09S 30,31540000000 Ficus carica L..

09S 12730,40000000000 Mata pittospotum, Erica azorica Hoschst. e Exóticas


09S 16186,40000000000 Mata Erica azorica Hoschst. e Exóticas





10N 7332,88000000000 Psidium grandifolium, Ficus carica L.. Mata Pittosporum undulatum Vent. e Myrica faia Ait.


10N 14879,90000000000 Vinha (Vitis Sp. L.), Anona cherimolia Mill.,

Ficus carica L.., Psidium grandifolium Mata Pittosporum undulatum Vent. e Myrica faia Ait.

10S 507,78400000000 Habitação

10S 231,02400000000 Habitação

10S 243,57700000000 Habitação



10S 2172,32000000000 Pastagem

10S 664,54000000000 Pastagem

10S 391,96800000000 citrinos



10S 295,07300000000 Pastagem

10S 1682,60000000000 Pastagem


10S 454,96600000000 Habitação

10S 2040,69000000000 Pastagem

10S 77,07610000000 Habitação



_____________________________________________________________________________________

____________________________________________________________________________________

64



11N 7505,88000000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)



11N 2379,73000000000 Pastagem

11N 332,63600000000 Habitação

11N 1259,37000000000 Habitação

11N 407,20400000000 Habitação


11N 174,45100000000 Habitação



11N 4941,07000000000 Ficus carica L.. Zona de cultivo (hórticolas)

11N 342,00200000000 Habitação

11N 195,31600000000 Habitação

11N 114,03500000000 Habitação

11N 218,74100000000 Habitação

11N 551,30300000000 Habitação

11N 1299,48000000000 Vinha (Vitis Sp. L.), Ficus carica L.. Zona de cultivo (hórticolas)



11S 530,85400000000 Habitação

11S 816,29400000000 Habitação

11S 86,72530000000 Habitação

11S 89,10170000000 Habitação

11S 97,55920000000 Habitação

11S 208,75500000000 Habitação

11S 902,09200000000 Myrica faia Ait.



11S 424,65500000000 Habitação


11S 162,87700000000 Habitação

11S 619,39500000000 Vinha (Vitis Sp. L.)






11S 1718,19000000000 Vinha (Vitis Sp. L.) Zona de cultivo (hórticolas)

11S 928,27000000000 Myrica faia Ait.


11S 4990,98000000000 solanum Mata Pittosporum undulatum Vent. e Myrica faia Ait.

11S 144,69700000000 solanum Zona de cultivo (hórticolas)


11S 79,64030000000 Exóticas

11S 52,69460000000 Vinha (Vitis Sp. L.)

11S 251,46300000000 Pastagem


11S 233,67400000000 Habitação

11S 3512,19000000000 Zona costeira

12N 129,42200000000 Habitação

12N 112,02500000000 Habitação

12N 85,52610000000 Habitação

12N 83,60900000000 Habitação

12N 227,98300000000 Habitação

12N 405,15400000000 Habitação

12N 109,73300000000 Habitação

12N 112,04200000000 Habitação

12N 66,18230000000 Habitação

12N 92,28310000000 Habitação

12N 348,09400000000 Habitação

12N 103,98100000000 Habitação

12N 514,86500000000 zona costeira

12N 1386,34000000000 zona costeira

12N 97,59920000000 Habitação



12N 8967,92000000000 Vinha (Vitis Sp. L.) Mata Pittosporum undulatum Vent. e Myrica faia Ait.



12N 739,92600000000 Vinha (Vitis Sp. L.)


12N 3452,99000000000 Vinha (Vitis Sp. L.) zona de cultivo

12N 605,87500000000 Myrica faia Ait.

12N 1804,99000000000 Pastagem


12N 721,92700000000 Myrica faia Ait.

12N 2368,69000000000 Vinha (Vitis Sp. L.)

12N 5513,67000000000 Vinha (Vitis Sp. L.), Ficus carica L..,

Eriobotrya japonica (Thumb.) Lindl. Zona de cultivo (hórticolas)

12S 6457,96000000000 Pastagem


_____________________________________________________________________________________

____________________________________________________________________________________

65


12S 23116,20000000000 mata Myrica faia Ait. e Exóticas

12S 119,86300000000 Habitação

12S 301,86500000000 Pastagem

12S 280,52300000000 Pastagem

12S 259,92800000000 Pastagem

12S 226,74600000000 Pastagem

12S 390,71400000000 Erica azorica Hoschst.



12S 243,76400000000 Pastagem

12S 1609,05000000000 Myrica faia Ait.

12S 218,26700000000 Pastagem

12S 1644,26000000000 Myrica faia Ait.

12S 664,23800000000 Anona cherimolia Mill.s, Psidium

grandifolium Exóticas

12S 3348,21000000000 Eriobotrya japonica (Thumb.) Lindl. Pastagem

12S 433,03300000000 Vinha (Vitis Sp. L.)


(Thumb.) Lindl. Pastagem


12S 233,61200000000 Pastagem

12S 6798,19000000000 Pastagem

12S 21211,20000000000 Myrica faia Ait., Pittosporum undulatum Vent., Erica

azorica Hoschst., Exóticas




13N 1173,26000000000 Pastagem

13N 2709,93000000000 Pastagem



13N 1638,64000000000 Vinha (Vitis Sp. L.), Ficus carica L.. Habitação


13N 602,24100000000 Habitação

13N 4164,48000000000 Vinha (Vitis Sp. L.) (Vitis Sp. L.) Ficus carica

L.. Zona de cultivo (hórticolas)

13N 147,68700000000 Habitação

13N 368,93500000000 Habitação

13N 259,82700000000 Habitação

13N 130,21400000000 Habitação

13N 567,59400000000 Habitação

13N 405,62500000000 Habitação

13N 370,38400000000 Habitação

13N 99,24990000000 Habitação

13N 431,58800000000 Habitação

13N 227,45600000000 Habitação

13N 261,24000000000 Vinha (Vitis Sp. L.), Ficus carica L.. Habitação




13N 1645,12000000000 Pastagem


13N 1032,89000000000 Pastagem

13N 1288,39000000000 Pastagem



13S 382,51800000000 Vinha (Vitis Sp. L.)

13S 6530,10000000000 Myrica faia Ait.

13S 834,74500000000 Castanea sativa Mill.

13S 2182,93000000000 Pastagem

13S 716,82800000000 Habitação

13S 272,54500000000 Habitação

13S 349,87800000000 Habitação

13S 88,25400000000 Habitação


13S 1961,96000000000 Pastagem

13S 256,34800000000 Pastagem

13S 2763,15000000000 Exóticas

13S 5096,70000000000 Pastagem, Zona de cultivo (hórticolas), Ficus carica

L.., Eriobotrya japonica (Thumb.) Lindl.

13S 845,14600000000 Pastagem, Myrica faia Ait.


13S 4886,78000000000 Pastagem

13S 1586,28000000000 Myrica faia Ait.

13S 911,80600000000 Habitação




13S 1069,67000000000 citrinos, Psidium grandifolium, Eriobotrya japonica

(Thumb.) Lindl., Ficus carica L.., Exóticas

13S 2376,64000000000 Zona de cultivo (hórticolas), Exóticas, Myrica faia

Ait., Pittosporum undulatum Vent.


_____________________________________________________________________________________

____________________________________________________________________________________

66





13S 861,64400000000 Pastagem

13S 1770,44000000000 Eriobotrya japonica (Thumb.) Lindl. Myrica faia Ait., Erica azorica Hoschst.

14S 347,89900000000 Vinha (Vitis Sp. L.)

14S 59,18350000000 Eriobotrya japonica (Thumb.) Lindl.s


14S 645,32800000000 Habitação


14S 397,20300000000 Habitação

14S 174,98000000000 Habitação


14S 290,30900000000 Myrica faia Ait.

14S 1509,62000000000 Habitação


14S 2895,66000000000 Pastagem


14S 692,04100000000 Pastagem

14S 3806,87000000000 Habitação, Exóticas, Myrica faia Ait.

14S 143,54100000000 Musa Spp.


14S 186,90900000000 Myrica faia Ait.




14S 1810,89000000000 Habitação, zona de jardim, Zona de cultivo

(hórticolas)


15S 18958,30000000000 Myrica faia Ait.



15S 453,99700000000 Pastagem

15S 1165,19000000000 Pastagem

15S 4745,18000000000 Myrica faia Ait.

15S 1569,55000000000 Anona cherimolia Mill. cherimolia Mill., Vinha (Vitis

Sp. L.), Myrica faia Ait., Eucalyptus globulus

15S 461,10300000000 eucalyptus globulus

15S 2990,17000000000 Pastagem

15S 280,31900000000 Myrica faia Ait.

15S 208,69400000000 Myrica faia Ait.


15S 2222,41000000000 Pastagem

15S 425,26200000000 Pastagem

15S 383,12500000000 Pastagem

15S 5512,17000000000 Pastagem, eucalyptus, Myrica faia Ait.

15S 405,36500000000 Myrica faia Ait.

15S 957,32300000000 Myrica faia Ait.

16S 139,32300000000 Vinha (Vitis Sp. L.)

16S 772,49100000000 Myrica faia Ait.

16S 38,22230000000 Myrica faia Ait.

16S 153,54800000000 Musa Spp.

16S 171,76800000000 Musa Spp.



16S 79,79870000000 Habitação

16S 201,91600000000 Exóticas

16S 6620,64000000000 Pastagem

16S 10294,40000000000 Pastagem

16S 708,02800000000 Habitação

16S 650,91600000000 Habitação, Exóticas

16S 13785,50000000000 Pastagem

16S 210,13300000000 Habitação

16S 296,96300000000 Ficus carica L..; Anona cherimolia Mill. cherimolia

Mill.

16S 298,51500000000 Camellia L.

16S 185,86800000000 Camellia L.

16S 479,05600000000 Habitação

16S 410,79100000000 Zona de animais


16S 506,26100000000 Zona de animais, Exóticas



16S 7208,00000000000 Pastagem

16S 979,73200000000 Cryptomeria japonica (L.f.) D. Don

17S 408,64000000000 Habitação

17S 236,28300000000 Habitação

17S 187,15800000000 Habitação

17S 528,55200000000 Habitação

17S 125,64700000000 Habitação


17S 1232,58000000000 Pastagem


_____________________________________________________________________________________

____________________________________________________________________________________

67


17S 12767,20000000000 Pastagem

17S 934,01500000000 Myrica faia Ait.



17S 422,20300000000 Habitação

17S 1398,99000000000 Habitação


17S 595,91300000000 Habitação

17S 25008,60000000000 Pastagem

17S 555,80500000000 Habitação

17S 144,11800000000 Bankcia ssp

17S 326,80000000000 Myrica faia Ait.

17S 1038,03000000000 Pastagem

17S 290,90500000000 Habitação, zona cultivo

18S 1115,91000000000 Pastagem


18S 3533,82000000000 Pastagem

18S 7737,43000000000 Pastagem



18S 17102,40000000000 Pastagem




18S 9363,01000000000 Pastagem

18S 13739,20000000000 Pastagem

19S 936,47500000000 Habitação

19S 1004,69000000000 Vinha (Vitis Sp. L.)





19S 8500,85000000000 Pastagem

19S 4313,15000000000 Pastagem

19S 992,81300000000 Exóticas

19S 348,45300000000 Myrica faia Ait.


19S 136,48900000000 Myrica faia Ait.

19S 6614,24000000000 Pastagem

19S 1687,29000000000 Pastagem

19S 228,42700000000 Exóticas

19S 124,89400000000 bankcia ssp

19S 256,39100000000 Exóticas



19S 412,08200000000 Myrica faia Ait.


19S 274,62400000000 Myrica faia Ait.

19S 651,15600000000 Myrica faia Ait.

19S 4252,74000000000 Pastagem

19S 159,66000000000 Pastagem


19S 459,30600000000 Myrica faia Ait.

19S 102,58900000000 Pastagem

19S 31,72380000000 Myrica faia Ait.

19S 40,07040000000 Habitação

No Quadro 3, é possível ver a área analisada por pomar e a diversidade de

habitats encontrada na sua envolvência.


_____________________________________________________________________________________

____________________________________________________________________________________

68

Utilizando os dados do Quadro 3, aos quais foi aplicado o software Species

Diversity and Richness Version 4.0, conforme referido no Cap.3 (material e métodos)

obteve-se o Quadro 4 com os valores de cada um dos índices selecionados para

observação. Estes resultados do Quadro 4 foram submetidos a posterior análise

estatística para determinação da correlação entre as diversas variáveis em análise.

Quadro 4 – Cálculo de índices de Habitats.

Sample H Berger_Parker Simpson Simpson_E

10N 0.3248 0.9001 1.219 0.6096

10S 1.307 0.5114 2.925 0.4875

11N 1.358 0.451 3.278 0.6556

11S 0.8978 0.7788 1.619 0.1799

12N 1.906 0.2831 5.322 0.5913

12S 1.543 0.3049 4.08 0.4534

13N 1.508 0.3885 4.053 0.8107

13S 2.311 0.2175 8.106 0.579

14S 1.703 0.4107 4.023 0.3658

15S 1.206 0.5988 2.437 0.3481

16S 1.026 0.769 1.663 0.1188

17S 0.8059 0.7867 1.58 0.2257

18S 0.3345 0.9248 1.166 0.2915

19S 1.372 0.5842 2.617 0.2908

1N 0.7577 0.7357 1.733 0.5777

1S 0.8781 0.7546 1.696 0.2826

2N 1.302 0.3084 3.516 0.879

2S 1.657 0.3985 4.13 0.5163

3N 1.342 0.2944 3.716 0.9289

3S 1.449 0.367 3.534 0.5048

4N 1.479 0.3432 4.061 0.8122

4S 1.848 0.2604 5.403 0.6003

5N 1.026 0.7161 1.881 0.3134

5S 1.835 0.3301 5.227 0.6534

6N 1.215 0.4417 2.933 0.5867

6S 1.378 0.4492 3.263 0.5438

7N 1.289 0.3887 3.276 0.6551

7S 1.626 0.3295 4.478 0.6397

8N 1.648 0.394 4.187 0.5982

8S 1.522 0.471 3.47 0.4956

9N 1.461 0.3692 3.881 0.7762

9S 0 0.5163 2.286 0.762


_____________________________________________________________________________________

____________________________________________________________________________________

69

Os dois modelos mínimos de regressão obtidos, atendendo aos dados utilizados,

foram os seguintes:

- Modelo 9 (AF) de mosca-do-Mediterrâneo (C. capitata) para a abundância das

fêmeas adultas (Fig. 24 e Quadro 6)

LogAF = 528,6 + 0,000 * Lat - 0,184 * Hrmax (r2 = 0.73; p < 0.0001)

Em que Lat = latitude e Hrmax = Humidade relativa máxima.

y = -0,1613x + 16,126R² = 0,6767

0

0,5

1

1,5

2

2,5

85 90 95 100

Série1

Linear (Série1)

HRmax

Figura 24 – Correlação entre a Abundância das fêmeas da C. Capitata e HRmax


_____________________________________________________________________________________

____________________________________________________________________________________

70

- Modelo 10 (AM) de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann)

para a abundância dos machos adultos (Fig. 25 e Quadro 7):

LogAM = 9,59 – 0,097 * HRmax (r2 = 0.63; p < 0.0001)

Em que Hrmax = Humidade relativa máxima.

Figura 25 – Correlação entre a Abundância dos machos da C. Capitata e HRmax


_____________________________________________________________________________________

____________________________________________________________________________________71

Tabela 5 - Relação estatística entre variáveis

LATITUDE LONGITUDE ALTITUDE

ORIENTACA

O Inclinacao Area H Berger_par Simpson Simpson_E HRMIN_1 HRMAX TMIN TMAX log_prec media_larv Femeas Machos LogMachos LogFemeas Logarea LogLarva

Pearson Correlation 1 -,180 ,308 -,085 ,145 -,005 -,160 ,251 -,199 -,133 -,371*

-,436* ,294 ,319 -,091 -,285 ,315 ,273 ,192 ,147 ,160 -,322

Sig. (2-tailed) ,324 ,086 ,644 ,427 ,979 ,381 ,166 ,275 ,467 ,037 ,013 ,103 ,075 ,621 ,114 ,079 ,130 ,293 ,422 ,383 ,073

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,180 1 ,477**

-,764** ,261 ,304 ,055 -,253 ,074 ,667

**,791

**,770

**-,778

**-,766

**,395

* ,000 -,649**

-,620**

-,632**

-,720** ,121 -,056

Sig. (2-tailed) ,324 ,006 ,000 ,149 ,091 ,764 ,162 ,686 ,000 ,000 ,000 ,000 ,000 ,025 ,999 ,000 ,000 ,000 ,000 ,511 ,759

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,308 ,477** 1 -,602

** ,116 ,289 -,325 ,261 -,380* ,123 ,608

**,521

**-,668

**-,654

**,623

**-,629

** -,183 -,259 -,414*

-,508** ,312 -,668

**

Sig. (2-tailed) ,086 ,006 ,000 ,527 ,108 ,070 ,149 ,032 ,501 ,000 ,002 ,000 ,000 ,000 ,000 ,315 ,152 ,018 ,003 ,082 ,000

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,085 -,764**

-,602** 1 -,111 -,292 -,005 ,157 -,081 -,536

**-,611

**-,533

**,629

**,610

**-,418

* ,341 ,393*

,369*

,417*

,552** -,185 ,341

Sig. (2-tailed) ,644 ,000 ,000 ,546 ,105 ,980 ,391 ,661 ,002 ,000 ,002 ,000 ,000 ,017 ,056 ,026 ,038 ,018 ,001 ,312 ,056

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,145 ,261 ,116 -,111 1 -,163 -,351* ,283 -,236 ,100 ,162 ,162 -,148 -,142 ,054 ,036 -,024 -,159 -,184 -,150 -,310 -,094

Sig. (2-tailed) ,427 ,149 ,527 ,546 ,372 ,049 ,117 ,193 ,587 ,377 ,376 ,420 ,437 ,769 ,846 ,898 ,385 ,314 ,413 ,085 ,609

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,005 ,304 ,289 -,292 -,163 1 -,054 -,137 -,040 ,321 ,238 ,198 -,258 -,253 -,146 -,118 -,183 -,218 -,281 -,268 ,715** -,065

Sig. (2-tailed) ,979 ,091 ,108 ,105 ,372 ,769 ,455 ,829 ,073 ,190 ,278 ,154 ,162 ,427 ,521 ,315 ,231 ,120 ,139 ,000 ,723

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,160 ,055 -,325 -,005 -,351* -,054 1 -,798

**,876

** ,229 -,089 -,044 ,096 ,097 -,198 ,390* -,063 ,010 ,041 -,014 -,070 ,519

**

Sig. (2-tailed) ,381 ,764 ,070 ,980 ,049 ,769 ,000 ,000 ,208 ,629 ,813 ,602 ,597 ,277 ,027 ,732 ,956 ,824 ,940 ,703 ,002

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,251 -,253 ,261 ,157 ,283 -,137 -,798** 1 -,874

**-,653

** -,083 -,140 ,070 ,069 ,068 -,301 ,188 ,108 ,043 ,099 ,083 -,417*

Sig. (2-tailed) ,166 ,162 ,149 ,391 ,117 ,455 ,000 ,000 ,000 ,650 ,444 ,703 ,708 ,712 ,094 ,303 ,556 ,817 ,590 ,652 ,018

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,199 ,074 -,380* -,081 -,236 -,040 ,876

**-,874

** 1 ,462** -,071 -,006 ,085 ,085 -,163 ,368

* -,166 -,073 -,023 -,086 -,169 ,507**

Sig. (2-tailed) ,275 ,686 ,032 ,661 ,193 ,829 ,000 ,000 ,008 ,698 ,975 ,644 ,642 ,374 ,038 ,363 ,690 ,900 ,639 ,355 ,003

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,133 ,667** ,123 -,536

** ,100 ,321 ,229 -,653**

,462** 1 ,426

*,456

**-,417

*-,410

* ,091 ,012 -,407* -,347 -,348 -,419

* -,044 ,036

Sig. (2-tailed) ,467 ,000 ,501 ,002 ,587 ,073 ,208 ,000 ,008 ,015 ,009 ,018 ,020 ,621 ,948 ,021 ,052 ,051 ,017 ,809 ,843

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,371*

,791**

,608**

-,611** ,162 ,238 -,089 -,083 -,071 ,426

* 1 ,983**

-,994**

-,995**

,726** -,184 -,695

**-,713

**-,767

**-,814

** ,184 -,183

Sig. (2-tailed) ,037 ,000 ,000 ,000 ,377 ,190 ,629 ,650 ,698 ,015 ,000 ,000 ,000 ,000 ,313 ,000 ,000 ,000 ,000 ,314 ,315

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


,770**

,521**

-,533** ,162 ,198 -,044 -,140 -,006 ,456

**,983

** 1 -,973**

-,978**

,699** -,113 -,754

**-,754

**-,792

**-,823

** ,119 -,111

Sig. (2-tailed) ,013 ,000 ,002 ,002 ,376 ,278 ,813 ,444 ,975 ,009 ,000 ,000 ,000 ,000 ,537 ,000 ,000 ,000 ,000 ,517 ,544

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

SIMPSON_E

HRMIN_1

HRMAX

ORIENTACAO

INCLINACAO

AREA

H

BERGER_PAR

KER

SIMPSON

Correlações

LATITUDE

LONGITUDE

ALTITUDE

*. Correlação é significativa no nível de 0,05

**. Correlação é significativa no nível de 0,01


_____________________________________________________________________________________

____________________________________________________________________________________72


ORIENTACA


Pearson Correlation ,294 -,778**

-,668**

,629** -,148 -,258 ,096 ,070 ,085 -,417

*-,994

**-,973

** 1 ,999**

-,751** ,236 ,684

**,706

**,779

**,831

** -,217 ,242

Sig. (2-tailed) ,103 ,000 ,000 ,000 ,420 ,154 ,602 ,703 ,644 ,018 ,000 ,000 ,000 ,000 ,193 ,000 ,000 ,000 ,000 ,233 ,182

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


-,654**

,610** -,142 -,253 ,097 ,069 ,085 -,410

*-,995

**-,978

**,999

** 1 -,748** ,231 ,686

**,709

**,780

**,827

** -,208 ,234

Sig. (2-tailed) ,075 ,000 ,000 ,000 ,437 ,162 ,597 ,708 ,642 ,020 ,000 ,000 ,000 ,000 ,204 ,000 ,000 ,000 ,000 ,253 ,197

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,091 ,395*

,623**

-,418* ,054 -,146 -,198 ,068 -,163 ,091 ,726

**,699

**-,751

**-,748

** 1 -,310 -,452**

-,448*

-,485**

-,570** -,014 -,342

Sig. (2-tailed) ,621 ,025 ,000 ,017 ,769 ,427 ,277 ,712 ,374 ,621 ,000 ,000 ,000 ,000 ,084 ,009 ,010 ,005 ,001 ,940 ,055

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,285 ,000 -,629** ,341 ,036 -,118 ,390

* -,301 ,368* ,012 -,184 -,113 ,236 ,231 -,310 1 -,184 -,140 -,020 ,024 -,141 ,895

**

Sig. (2-tailed) ,114 ,999 ,000 ,056 ,846 ,521 ,027 ,094 ,038 ,948 ,313 ,537 ,193 ,204 ,084 ,313 ,444 ,915 ,894 ,442 ,000

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,315 -,649** -,183 ,393

* -,024 -,183 -,063 ,188 -,166 -,407*

-,695**

-,754**

,684**

,686**

-,452** -,184 1 ,905

**,847

**,851

** -,136 -,235

Sig. (2-tailed) ,079 ,000 ,315 ,026 ,898 ,315 ,732 ,303 ,363 ,021 ,000 ,000 ,000 ,000 ,009 ,313 ,000 ,000 ,000 ,458 ,195

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


* -,159 -,218 ,010 ,108 -,073 -,347 -,713**

-,754**

,706**

,709**

-,448* -,140 ,905

** 1 ,935**

,878** -,173 -,199

Sig. (2-tailed) ,130 ,000 ,152 ,038 ,385 ,231 ,956 ,556 ,690 ,052 ,000 ,000 ,000 ,000 ,010 ,444 ,000 ,000 ,000 ,344 ,274

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


-,414*

,417* -,184 -,281 ,041 ,043 -,023 -,348 -,767

**-,792

**,779

**,780

**-,485

** -,020 ,847**

,935** 1 ,961

** -,267 -,036

Sig. (2-tailed) ,293 ,000 ,018 ,018 ,314 ,120 ,824 ,817 ,900 ,051 ,000 ,000 ,000 ,000 ,005 ,915 ,000 ,000 ,000 ,140 ,846

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


-,508**

,552** -,150 -,268 -,014 ,099 -,086 -,419

*-,814

**-,823

**,831

**,827

**-,570

** ,024 ,851**

,878**

,961** 1 -,257 ,040

Sig. (2-tailed) ,422 ,000 ,003 ,001 ,413 ,139 ,940 ,590 ,639 ,017 ,000 ,000 ,000 ,000 ,001 ,894 ,000 ,000 ,000 ,156 ,828

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,160 ,121 ,312 -,185 -,310 ,715** -,070 ,083 -,169 -,044 ,184 ,119 -,217 -,208 -,014 -,141 -,136 -,173 -,267 -,257 1 -,079

Sig. (2-tailed) ,383 ,511 ,082 ,312 ,085 ,000 ,703 ,652 ,355 ,809 ,314 ,517 ,233 ,253 ,940 ,442 ,458 ,344 ,140 ,156 ,667

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,322 -,056 -,668** ,341 -,094 -,065 ,519

**-,417

*,507

** ,036 -,183 -,111 ,242 ,234 -,342 ,895** -,235 -,199 -,036 ,040 -,079 1

Sig. (2-tailed) ,073 ,759 ,000 ,056 ,609 ,723 ,002 ,018 ,003 ,843 ,315 ,544 ,182 ,197 ,055 ,000 ,195 ,274 ,846 ,828 ,667

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Continuação

LogLarva

MEDIA_larv

FÊMEAS

MACHOS

LogMachos

LogFemeas

Logarea

TMIN

TMAX

log_PRECIPITA

CAO


_____________________________________________________________________________________

____________________________________________________________________________________

73

Quadro 6 – Coeficientes para os modelos de regressão múltipla para avaliar a abundancia das

femeas (log Femeas)

Standardized

Coefficients

B Std. Error Beta

(Constant) -56289,486 68495,960 -,822 ,420

HRMAX -,191 ,176 -,972 -1,080 ,292

TMIN ,168 ,493 ,317 ,341 ,736

prec_box_cox 142856,357 171487,208 ,182 ,833 ,414

Simpson_E ,201 ,756 ,055 ,266 ,793

Berger_par -,135 ,672 -,036 -,201 ,842

ALTITUDE ,001 ,001 ,276 1,104 ,282

ORIENTACAO ,000 ,002 ,056 ,253 ,802

Inclinacao ,005 ,008 ,089 ,678 ,505

LATITUDE ,000 ,000 -,427 -2,240 ,036

LONGITUDE -4,130E-06 ,000 -,029 -,097 ,923

(Constant) -59820,819 56792,692 -1,053 ,304

HRMAX -,195 ,165 -,997 -1,183 ,249

TMIN ,168 ,482 ,317 ,349 ,731

prec_box_cox 151698,640 142179,278 ,193 1,067 ,298

Simpson_E ,188 ,727 ,052 ,258 ,798

Berger_par -,132 ,656 -,035 -,201 ,842

ALTITUDE ,001 ,001 ,276 1,133 ,269

ORIENTACAO ,000 ,001 ,067 ,367 ,717

Inclinacao ,005 ,008 ,087 ,689 ,498

LATITUDE ,000 ,000 -,430 -2,352 ,028

(Constant) -61198,658 55189,651 -1,109 ,279

HRMAX -,197 ,162 -1,004 -1,220 ,235

TMIN ,164 ,472 ,310 ,348 ,731

prec_box_cox 155144,121 138168,409 ,198 1,123 ,273

Simpson_E ,283 ,539 ,078 ,525 ,604

ALTITUDE ,001 ,001 ,263 1,146 ,264

ORIENTACAO ,000 ,001 ,068 ,380 ,707

Inclinacao ,005 ,007 ,076 ,682 ,502

LATITUDE ,000 ,000 -,430 -2,403 ,025

(Constant) -59214,181 53880,612 -1,099 ,283

HRMAX -,250 ,052 -1,275 -4,817 ,000

prec_box_cox 150255,495 134914,277 ,191 1,114 ,276

Simpson_E ,336 ,508 ,093 ,662 ,514

ALTITUDE ,001 ,001 ,219 1,159 ,258

ORIENTACAO ,001 ,001 ,098 ,634 ,532

Inclinacao ,005 ,006 ,083 ,773 ,447

LATITUDE ,000 ,000 -,441 -2,553 ,017

(Constant) -62762,602 52945,049 -1,185 ,247

HRMAX -,254 ,051 -1,296 -4,990 ,000

prec_box_cox 159159,116 132568,656 ,203 1,201 ,241

Simpson_E ,191 ,448 ,053 ,426 ,674

ALTITUDE ,001 ,001 ,171 1,000 ,327

Inclinacao ,005 ,006 ,085 ,803 ,430

LATITUDE ,000 ,000 -,448 -2,626 ,015

(Constant) -55019,680 48938,897 -1,124 ,271

HRMAX -,242 ,041 -1,232 -5,880 ,000

prec_box_cox 139683,599 122463,131 ,178 1,141 ,264

ALTITUDE ,001 ,001 ,152 ,936 ,358

Inclinacao ,005 ,006 ,081 ,777 ,444

LATITUDE ,000 ,000 -,424 -2,673 ,013

(Constant) -50183,034 48184,497 -1,041 ,307

HRMAX -,231 ,039 -1,180 -5,992 ,000

prec_box_cox 127399,205 120545,432 ,162 1,057 ,300

ALTITUDE ,001 ,001 ,131 ,824 ,417

LATITUDE ,000 ,000 -,385 -2,577 ,016

(Constant) -57532,111 47080,896 -1,222 ,232

HRMAX -,214 ,032 -1,093 -6,610 ,000

prec_box_cox 145369,595 117877,665 ,185 1,233 ,228

LATITUDE ,000 ,000 -,304 -2,725 ,011

(Constant) 528,624 209,961 2,518 ,018

HRMAX -,184 ,021 -,936 -8,763 ,000

LATITUDE ,000 ,000 -,261 -2,441 ,021

7

8

9

a. Dependent Variable: LogFemeas

1

2

3

4

5

6

Coefficientsa

Model

Unstandardized Coefficients

t Sig.


_____________________________________________________________________________________

____________________________________________________________________________________

74

Quadro 7 – Coeficientes para os modelos de regressão múltipla para avaliar a abundancia dos

machos (log machos).

Standardized

Coefficients

B Std. Error Beta

(Constant) 558,381 251,923 2,216 ,038

HRMAX -,130 ,117 -1,058 -1,104 ,282

TMIN ,143 ,336 ,432 ,426 ,675

log_prec 1,486 1,121 ,281 1,326 ,199

Simpson_E ,177 ,525 ,078 ,337 ,739

Berger_par -,201 ,460 -,086 -,437 ,666

ALTITUDE ,001 ,001 ,358 1,312 ,204

ORIENTACAO ,000 ,001 -,029 -,121 ,905

Inclinacao ,002 ,005 ,062 ,434 ,669

LATITUDE ,000 ,000 -,452 -2,230 ,037

LONGITUDE 3,865E-06 ,000 ,044 ,147 ,884

(Constant) 561,856 244,623 2,297 ,032

HRMAX -,136 ,101 -1,114 -1,356 ,189

TMIN ,127 ,300 ,382 ,421 ,678

log_prec 1,509 1,079 ,285 1,398 ,176

Simpson_E ,194 ,495 ,086 ,392 ,699

Berger_par -,198 ,449 -,085 -,441 ,663

ALTITUDE ,001 ,001 ,359 1,347 ,192

Inclinacao ,002 ,005 ,061 ,436 ,667

LATITUDE ,000 ,000 -,455 -2,310 ,031

LONGITUDE 5,573E-06 ,000 ,063 ,257 ,799

(Constant) 560,770 239,570 2,341 ,028

HRMAX -,138 ,098 -1,123 -1,397 ,176

TMIN ,106 ,284 ,320 ,374 ,712

log_prec 1,419 ,999 ,268 1,420 ,169

Simpson_E ,242 ,449 ,107 ,539 ,595

Berger_par -,200 ,439 -,086 -,455 ,654

ALTITUDE ,001 ,001 ,359 1,375 ,182

Inclinacao ,003 ,005 ,068 ,511 ,614

LATITUDE ,000 ,000 -,452 -2,346 ,028

(Constant) 580,826 229,261 2,533 ,018

HRMAX -,172 ,033 -1,406 -5,166 ,000

log_prec 1,374 ,974 ,260 1,410 ,171

Simpson_E ,246 ,441 ,108 ,557 ,583

Berger_par -,198 ,431 -,085 -,458 ,651

ALTITUDE ,001 ,001 ,300 1,469 ,155

Inclinacao ,003 ,005 ,076 ,580 ,567

LATITUDE ,000 ,000 -,464 -2,494 ,020

(Constant) 580,564 225,608 2,573 ,016

HRMAX -,173 ,033 -1,411 -5,275 ,000

log_prec 1,449 ,945 ,274 1,534 ,137

Simpson_E ,389 ,306 ,172 1,270 ,216

ALTITUDE ,001 ,001 ,267 1,420 ,168

Inclinacao ,002 ,004 ,049 ,429 ,672

LATITUDE ,000 ,000 -,464 -2,534 ,018

(Constant) 549,013 209,883 2,616 ,015

HRMAX -,168 ,030 -1,374 -5,520 ,000

log_prec 1,384 ,918 ,262 1,509 ,143

Simpson_E ,375 ,300 ,166 1,252 ,222

ALTITUDE ,001 ,001 ,254 1,390 ,176

LATITUDE ,000 ,000 -,439 -2,573 ,016

(Constant) 470,122 202,285 2,324 ,028

HRMAX -,146 ,025 -1,193 -5,829 ,000

log_prec ,975 ,866 ,184 1,126 ,270

ALTITUDE ,001 ,001 ,208 1,152 ,259

LATITUDE ,000 ,000 -,375 -2,281 ,031

(Constant) 458,575 202,988 2,259 ,032

HRMAX -,133 ,023 -1,090 -5,925 ,000

ALTITUDE ,001 ,001 ,266 1,531 ,137

LATITUDE ,000 ,000 -,365 -2,212 ,035

(Constant) 241,184 148,399 1,625 ,115

HRMAX -,107 ,015 -,874 -7,224 ,000

LATITUDE -5,389E-05 ,000 -,189 -1,561 ,129

(Constant) 9,590 1,287 7,455 ,000

HRMAX -,097 ,014 -,792 -7,103 ,000

7

8

9

10

a. Dependent Variable: LogMachos

1

2

3

4

5

6

Coefficientsa

Model


t Sig.


_____________________________________________________________________________________

____________________________________________________________________________________

75

Para avaliar a percentagem de variação explicada quer pelas variáveis climáticas,

pela diversidade de habitats e geográficas na abundância populacional de C. capitata

utilizou – se a técnica de partição da variância constrangida pelo espaço (Latitude x

Longitude).

Para a realização desta análise estatística, como referido no cap. 3 (material e

métodos) utilizou-se o software SAM que permitiu uma participação da variância e

normalização dos resíduos espaciais (Latitude e Longitude) (Quadro 8 e 9).

Quadro 8 – Resultados da análise estatística de SAM, relativo à abundância de Femeas.

O quadro 8 mostra o resultado obtido para a variável fêmeas como variável

resposta e os diferentes 8 prognósticos das restantes variáveis explicativas.

Quadro 9- Resumo do modelo obtido da aplicação SAM, para as fêmeas.

32 r: 0.84 r²: 0.706 r²adj: 0.62 F: 6.898 P: <.001

No resumo do modelo obtido (Quadro 9) em relação aos oito prognósticos

diferentes, com r²= 0.706 e P: <.001, verifica-se a existência de uma significância

bastante forte, ou seja, que 70% dos dados obtidos são explicados por este modelo.

Dessa análise resultou que a variação espacial (distância entre pomares)

encontrada não foi condicionada pela proximidade dos locais de estudo entre si

(Fig.28). Assim, a distância entre pomares, neste estudo, não será considerado como

factor que influencia a abundância de fêmeas (Figs. 26 e 27).

Variable Coeff. Std Coeff. VIF Std Error t P Value

Constant -31171.456 0 0 60687.729 -0.514 0.613

HRMAX -0.038 -0.193 48.224 0.165 -0.229 0.821

TMIN 0.371 0.7 71.768 0.519 0.715 0.482

PRECIPITACAO 77928.189 0.099 2.923 151718.636 0.514 0.613

ALTITUDE <.001 0.051 4.71 0.001 0.206 0.838

INCLINACAO <.001 -0.007 1.335 0.008 -0.052 0.959

ORIENTACAO <.001 0.052 3.128 0.001 0.259 0.798

SIMPSON_E -0.204 -0.056 3.555 0.774 -0.263 0.795

BERGER_PARKER -0.137 -0.037 2.875 0.718 -0.191 0.85


_____________________________________________________________________________________

____________________________________________________________________________________

76

Figura 26 – Relação entre o valor real e o valor estimado para a abundância das femeas Ceratitis

capitata Wiedemann (com base nas variáveis climáticas, nas de diversidade de habitats e nas

geográficas).

Figura 27 – Distribuição aleatória dos resíduos das variáveis climáticas, de diversidade de habitats

e geográficas para a variável explicativa fêmea adulta de mosca-do-Mediterrâneo (Ceratitis

capitata Wiedemann).


_____________________________________________________________________________________

____________________________________________________________________________________

77

Figura 28 – Normalização dos Resíduos espaciais para a relação entre as variáveis climáticas,

diversidade habitats, geográficas e a variável explicativa fêmea adulta de mosca-do-Mediterrâneo

(Ceratitis capitata Wiedemann).

Em resumo, os resíduos apresentados na Figura 28, relativos à abundância das

fêmeas de C. capitata não estão constrangidos pelo espaço.


interrelações, atendendo à abundância da fêmeas adultas de mosca-do-Mediterrâneo são

apresentados na Quadro 10 e na Figura 29.

Quadro 10 – Interacção das variáveis climáticas, geográficas e diversidade de habitats com a abundância

da fêmeas adultas de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann).

A = 0.702 B = 0.359 C = 0.229 A+B = 0.705 B+C = 0.406 B:C.A = 0.002

A.B = 0.346 B.A = 0.003 C.A = 0.002 A+B.C = 0.476 1-(B+C) = 0.594 A:B:C = 0.181

A.C = 0.475 B.C = 0.177 C.B = 0.047 A+C = 0.704 B+C.A = 0.004

A.B+C = 0.3 B.A+C = 0.001 C.A+B = <.001 A+C.B = 0.347 B+C:A = 0.402

1-(A) = 0.298 1-(B) = 0.641 1-(C) = 0.771 1-(A+B) = 0.295 A+B+C = 0.706

A:B = 0.356 B:A = 0.356 C:A = 0.227 A+B:C = 0.228 1-(A+B+C) = 0.294

A:C = 0.227 B:C = 0.183 C:B = 0.183 1-(A+C) = 0.296 A:B.C = 0.175

A:B+C = 0.402 B:A+C = 0.358 C:A+B = 0.229 A+C:B = 0.358 A:C.B = 0.046


_____________________________________________________________________________________

____________________________________________________________________________________

78

Figura 29 – Métodos de Interacção das variáveis climáticas, geográficas e diversidade de habitats

com a abundância das fêmeas adultas de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann).

Podemos verificar que atendendo à Quadro 10 e de acordo com a Figura 29, as

variáveis climáticas, por si só, explicam cerca de 70% da abundância de fêmeas. As

variáveis geográficas explicam apenas cerca de 36% e as variáveis de diversidade de

habitats cerca de 23%. As variáveis climáticas, com um valor atrás referido de 70%

explicam quase a totalidade da interação entre todas as variáveis.


_____________________________________________________________________________________

____________________________________________________________________________________

79

Relativamente à abundância dos machos, na Quadro 11 apresenta-se o resultado

para a variável machos como variável resposta e os 8 prognósticos das restantes

variáveis.

Quadro 11 – Resultados da análise estatística de SAM, relativo à abundância de Machos.

Quadro 12- Resumo do modelo obtido da aplicação SAM, para os machos.

No resumo do modelo obtido (Quadro 11) em relação aos oito prognósticos

diferentes, com r²= 0.656 e P: <.001, verifica-se a existência de uma significância

bastante forte, ou seja, que 66% dos dados obtidos são explicados por este modelo.

Variable Coeff. Std Coeff. VIF Std Error t P Value

Constant -39677.844 0 0 40966.086 -0.969 0.343

HRMAX -0.028 -0.232 48.224 0.111 -0.254 0.802

TMIN 0.276 0.835 71.768 0.35 0.789 0.439

PRECIPITACAO 99194.316 0.203 2.923 102414.752 0.969 0.343

ALTITUDE <.001 0.122 4.71 <.001 0.461 0.649

INCLINACAO -0.001 -0.03 1.335 0.005 -0.215 0.832

ORIENTACAO <.001 -0.098 3.128 <.001 -0.454 0.654

SIMPSON_E -0.119 -0.053 3.555 0.523 -0.228 0.822

BERGER_PARKER -0.228 -0.098 2.875 0.485 -0.471 0.642

n: 32 r: 0.81 r²: 0.656 r²adj: 0.555 F: 5.477 P: <.001


_____________________________________________________________________________________

____________________________________________________________________________________

80

Figura 30 - Relação entre o valor real e o valor estimado para a abundância dos machos C. capitata

(com base nas variáveis climáticas, nas de diversidade de habitats e nas geográficas).

Figura 31 - Distribuição aleatória dos resíduos das variáveis climáticas, de diversidade de habitats e

geográficas para a variável explicativa machos adultos de mosca-do-Mediterrâneo (Ceratitis

capitata Wiedemann).


_____________________________________________________________________________________

____________________________________________________________________________________

81

Figura 32 – Normalização dos Resíduos espaciais para a relação entre as variáveis climáticas,

diversidade habitats, geográficas e a variável explicativa machos adultos de mosca-do-Mediterrâneo

(Ceratitis capitata Wiedemann).

Em resumo, os resíduos apresentados na Figura 32, relativa à abundância dos

machos de C. capitata não estão constrangidos pelo espaço.


interrelações, atendendo à abundância dos machos adultos de mosca-do-Mediterrâneo

Ceratitis capitata Wiedemann), são apresentados na Quadro 13 e na Figura 33.

Quadro 13 – Interacção das variáveis climáticas, geográficas e diversidade de habitats com a

abundancia dos machos adultos de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann).

A = 0.643 B = 0.231 1-(B) = 0.769 1-(C) = 0.82 1-(A+B) = 0.348 A+B+C = 0.656

A.B = 0.421 B.A = 0.009 B:A = 0.222 C:A = 0.174 A+B:C = 0.177 1-(A+B+C) = 0.344

A.C = 0.468 B.C = 0.096 B:C = 0.135 C:B = 0.135 1-(A+C) = 0.351 A:B.C = 0.089

A.B+C = 0.379 B.A+C = 0.007 B:A+C = 0.224 C:A+B = 0.177 A+C:B = 0.224 A:C.B = 0.041

1-(A) = 0.357 1-(B) = 0.769 C = 0.18 A+B = 0.652 B+C = 0.276 B:C.A = 0.002

A:B = 0.222 B:A = 0.222 C.A = 0.006 A+B.C = 0.475 1-(B+C) = 0.724 A:B:C = 0.133

A:C = 0.174 B:C = 0.135 C.B = 0.045 A+C = 0.649 B+C.A = 0.013

A:B+C = 0.263 B:A+C = 0.224 C.A+B = 0.004 A+C.B = 0.424 B+C:A = 0.263

_____________________________________________________________________________________

____________________________________________________________________________________

82

Figura 33 – Métodos de Interacção das variáveis climáticas, geográficas e diversidade de habitats

com a abundância dos machos adultos de mosca-do-Mediterrâneo (Ceratitis capitata Wiedemann).

Podemos verificar que atendendo aos dados da Quadro 13 e de acordo com a

Figura 32, as variáveis climáticas, por si só, explicam cerca de 64% da abundância de

machos. As variáveis geográficas explicam apenas cerca de 23% e as variáveis de

diversidade de habitats cerca de 18%. As variáveis climáticas, com um valor atrás

referido de 64% explicam quase a totalidade da interação entre todas as variáveis.

Capitulo 5 - Conclusões

_____________________________________________________________________________________

____________________________________________________________________________________

83

CAPITULO 5 - CONCLUSÕES

Os dados obtidos permitem desde logo confirmar a elevada densidade

populacional desta praga na Ilha de S. Jorge. De facto, este trabalho permitiu conhecer

uma realidade nova por ser o primeiro estudo da mosca-do-Mediterrâneo nesta Ilha.

Tendo por base comparativa a Ilha Terceira, os níveis encontrados em S. Jorge são de

facto preocupantes. Perante esta realidade é urgente a tomada de decisão de

implementação de medidas para o controle desta praga, na Ilha de São Jorge.

O conhecimento das densidades e nomeadamente da ocorrência de picos

populacionais desta praga podem constituir instrumentos indicadores de fases temporais

mais adequadas para implementar medidas de combate e definir com maior clareza a

oportunidade de intervenção como forma desta contribuir, decisivamente, para uma

redução significativa das populações presentes nas poucas áreas de produção frutícola

da Ilha de São Jorge.

Em relação aos dados de monitorização dos adultos obtidos salienta-se o elevado

número de fêmeas observadas, uma vez que estas são as responsáveis pelo elevado grau

de prejuízos causados nos frutos. Verificou-se que as densidades populacionais desta

praga são mais elevadas na área de estudo localizada na zona Sul, o que poderá ser

justificado por condições ambientais mais favoráveis, tais como a temperatura, e

exposição favorável ao desenvolvimento e à sua proliferação.

Em ambas as áreas de estudo (Norte e Sul) foi identificado um pico anual de

densidade populacional. Contudo, na zona Sul este ocorreu com um mês de

antecedência (Agosto) em relação à área estudada a Norte (Setembro), aspecto de relevo

a ter em conta em termos da possível gestão e controle da mosca-do-Mediterrâneo. Este

facto, poderá ser útil numa previsão antecipada do aparecimento das populações adultas

de C. capitata na Costa Norte da Ilha que tenha por base as observações realizadas e

registadas na zona Sul.

Embora existam produções de diferentes espécies frutícolas nas duas áreas de

estudo algumas conclusões podem ser retiradas a partir das áreas estudadas. Confirma-

se uma elevada taxa de infestação nas produções obtidas e analisadas a Sul, facto

resultante desta possuir uma maior densidade populacional de fêmeas.

Capitulo 5 - Conclusões

_____________________________________________________________________________________

____________________________________________________________________________________

84

Os hospedeiros preferenciais da praga são o figo, nêspera café e araçá.

Na análise da paisagem, dos testes efetuados e nos dois modelos obtidos, detetou

– se uma enorme significância na correlação das diversas variáveis explicativas

(climáticas, habitats e geográficas), o que nos leva a crer que as mesmas não deixam de

ter um profundo impacto na sua abundância e dispersão, no entanto após testes de

interações entre as variáveis explicativas e a variável resposta, podemos afirmar, que as

variáveis climáticas explicam por si só uma correlação com o aumento da mosca-do-

mediterrâneo em São Jorge.

Assim, os valores resultantes da análise da paisagem permitem concluir que

apesar de a diversidade de habitats interferir na abundância da mosca-do-Mediterrâneo,

as variáveis climáticas tem um peso enorme na proliferação desta praga. Nas fêmeas, as

variáveis climáticas, por si só, explicam cerca de 70% a sua abundância. As variáveis

geográficas explicam apenas cerca de 36% e as variáveis de diversidade de habitats

cerca de 23%. Relativamente aos machos, as variáveis climáticas, por si só, explicam

cerca de 64% da abundância de machos. As variáveis geográficas explicam apenas

cerca de 23% e as variáveis de diversidade de habitats cerca de 18%.

Este estudo representa um importante incremento do conhecimento de uma das

mais importantes pragas da fruticultura regional, analisando se existia uma inter-relação

entre a sua abundância e o coberto vegetal da área adjacente às parcelas produtivas.

Concluiu-se que, de todo o trabalho desenvolvido neste estudo, de facto, as

variáveis climáticas são as que possuem um maior efeito sobre o desenvolvimento,

proliferação e disseminação desta importante praga na Ilha de S. Jorge, nas zonas

analisadas.

Recomenda – se com base deste estudo uma análise mais profunda no uso da

paisagem, ou seja, identificar e quantificar todos os hospedeiros inerentes aos pomares

com o objectivo de verificar a existência de corredores ecológicos que influenciam no

aumento da abundância da C. capitata.

Bibliografia

_____________________________________________________________________________________

____________________________________________________________________________________

85

BIBLIOGRAFIA

Agostinho, José (1935). Tectónica, Sismicidade e Vulcanismo das ilhas dos Açores.

Açoreana 1 (3): 86-98.

Agostinho, José (1938). Clima dos Açores - Parte I - Generalidades, temperatura e

humidade do ar. Açoreana 2 (1): 35-65.

Agostinho, José (1940). Clima dos Açores - Parte III - Vento. Açoreana 2 (3): 160-173.

Agostinho, José (1941). Clima dos Açores - Parte IV (2) 4: 224-267.

Agostinho, José (1942). Clima dos Açores - Parte V - O clima dos Açores no quadro

dos climas mundiais. Açoreana 3 (1): 49-73.

Azevedo (2001) “Açoreana”, Boletim da Sociedade Afonso de Chaves (VOL. IX;

FASC.III; Dez 2001).

Azevedo José M.M. (1999). Geologia e Hidrogeologia da Ilha das Flores (Açores,

Portugal) – Tese de Doutoramento. Departamento de Ciências da Terra.

Faculdade de Ciências e Tecnologia. Universidade de Coimbra. Vol: 1 & 2,

403 p.

Azevedo Junior, G.; (1998); Levantamento de moscas-das-frutas (Diptera: Tephritidae)

na cultura da manga, no município de Mossoró-RN; Cctinga, Mossoró, v.11,

p.85-90.

Bettencourt, M.L. (1979). O clima dos Açores como recurso natural na aplicação

especialmente em agricultura e indústria do turismo. Instituto Nacional de

Meteorologia e Geofísica. Lisboa.

Bodenhmeir, F.S.. (1951) Citrus entomology in the middle East. Junk (Ed.). The Hague.

Carey, J.; (1991); Establishment of the Mediterranean fruit fly in California; Science

253:1369–1373.

Carvalho, A., Monteiro, C., Soares, C., Mumford, J., Fernandes, J., Carvalho, J.,

Madeira, M., Coelho, M., Elisiário, P., Rocha, R., Mangerico, S., Viegas, V.

(2001). Caracterização da problemática da mosca-do-Mediterrâneo, Ceratitis

capitata (Wied.), visando a aplicação da Luta Autocida no Algarve. DRAALG.

Carvalho, J. & Aguiar, A.; (1997). Pragas dos Citrinos na Ilha da Madeira; Secretaria

Regional de Agricultura, Florestas e Pescas – Avenida Zarco, 9000 Funchal.

Carvalho, J. P.(1984). Notas acerca de pragas de culturas dos Açores. Universidade dos

Açores. Ponta Delgada.

Bibliografia

_____________________________________________________________________________________

____________________________________________________________________________________

86

Carvalho, J. P; Aguiar, A. M. F; Brazão, C; Cravo, D; Félix, A. P; Fernandes, A;

Pereira, R; Pestana, M; Rodrigues, M; Sardinha, D & Vasconcelos, Z. (1999).

Contribuição para a Protecção Integrada na Região Autónoma da Madeira.

Região Autónoma da Madeira. Secretaria Regional de Agricultura Florestas e

Pescas. Direcção Regional de Agricultura. Direcção de Serviços de

Investigação Agrícola. POSEIMA / MADEIRA.

Costa, R. (2007). Contributo para o estudo da mosca-do-Mediterrâneo, (Ceratitis

capitata Wied.) (Diptera: Tephritidae) e formas de combate em pomares da

Ilha Terceira. Relatório de estágio de Licenciatura em Engenharia Agrícola;

Universidade dos Açores, Angra do Heroísmo.

Crawley, M.J. (1993) GLIM for Ecologists. Blakwell Scientific Publications, London

Crews-Meyer, K. A. (2002). Characterizing landscape dynamism using paneled-pattern

metrics.

Dantas, L.; Pereira, R.; Barbosa, A.; Silva, N.; Caldeira, J. & Pacheco, J (1999).

Madeira-Med, a sterile insect technique program for control of the

Mediterranean fruit fly. Bull. SPEN.

David J. H. Lopes; R. Pimentel; R. Costa; L. Dantas; O. Correia; J. D. Mumford & A.

Mexia.(2005) Importância dos testes de Dispersão no conhecimento do

comportamento dos adultos esterilizados da Mosca-do – Mediterrâneo

(Ceratitis capitata Wiedman) (Diptera: Tephritidae) libertados num pomar da

Ilha Terceira. Actas do VII Encontro Nacional de Protecção Integrada,

Coimbra, Portugal, A Produção Integrada e a Qualidade e Segurança

Alimentar, Colecção Práticas - Conhecimento - Pensamento.

Del Pino, A.; (2000); Efecto de factores abióticos y edáficos naturales en el ciclo

biológico de Ceratitis capitata (Wiedemann), Diptera: Tephritidae; Ph.D.

Thesis. Dep. Producción Vegetal.ETSIA. Universidad Politécnica de Valencia.

217 pp

Féraud, G., I. Kaneoka & C. J Allegre (1980). K-Ar ages and stress pattern in the

Azores: geodynamic implications. Earth Planet. Sci. Lett.

Forjaz, Víctor Hugo & N. S. M. Fernandes (1975). Carta Geológica de Portugal: Ilha

S. Jorge (Açores), notícia explicativa. Serviços Geológicos de Portugal.

Lisboa.

Bibliografia

_____________________________________________________________________________________

____________________________________________________________________________________

87

Gasparich GE, Silva JG, Han HY, McPeron BA, Steck GJ, Shepard WS. (1997)

Population genetic structure of Mediterranean fruit fly (Diptera: Trephritidae)

and implications for worldwide colonization patterns. Ann Entomol Soc Amer.

Haymer DS, McInnis DS. (1994) Resolution of populations of the Mediterranean fruit

fly at the DNA level using random primers for the polymerase chain reaction.

Genome.

Horta Lopes, D.J. ; Pimentel R. ; Dantas, L. ; Zorman, M. ; Macedo, N. ; Figueiredo, A.

; Mumford, J.D. & Mexia, M. M. (2008) A dispersão da mosca-do-

Mediterrâneo (Ceratitis capitata Wiedemann) (Diptera: Tephritidae) na Ilha

Terceira, Açores. Actas do 2º Congresso Nacional de Citricultura, Faro,

Algarve, Portugal.

Horta Lopes, D.J.; Pimentel R.; Dantas, L.; Zorman, M.; Macedo, N.; Figueiredo, A.;

Mumford, J.D. & Mexia, M.M. (2007) The importance of spread surveys on

the behaviour knowledge of Medfly sterile males (Ceratitis Capitata

Wiedemann) (Diptera: Tephritidae) released over Bicas, Biscoitos orchards and

on Angra urban area, in Terceira island, Azores, IOBC/WPRS Working Group

“Integrated Control in Fruit Crops”, Catania, Italy, IOBC/wprs Bulletin.

L. Mauricio Bini, J. Alexandre F. Diniz-Filho, Thiago F. L. V. B. Rangel, Thomas S. B.

Akre,Rafael G. Albaladejo, Fabio S. Albuquerque, Abelardo Aparicio, Miguel

B. Arau´ jo,Andre´s Baselga, Jan Beck, M. Isabel Bellocq, Katrin Bo¨hning-

Gaese, Paulo A. V. Borges,Isabel Castro-Parga, Vun Khen Chey, Steven L.

Chown, Paulo de Marco, Jr, David S. Dobkin,Dolores Ferrer-Castań, Richard

Field, Julieta Filloy, Erica Fleishman, Jose F. Go´mez,Joaquıń Hortal, John B.

Iverson, Jeremy T. Kerr, W. Daniel Kissling, Ian J. Kitching,Jorge L. Leoń-

Corte´s, Jorge M. Lobo, Daniel Montoya, Ignacio Morales-Castilla, Juan C.

Moreno,Thierry Oberdorff, Miguel A´ . Olalla-Ta´rraga, Juli G. Pausas, Hong

Qian, Carsten Rahbek,Miguel A´ . Rodrı´guez, Marta Rueda, Adriana

Ruggiero, Paula Sackmann, Nathan J. Sanders,Levi Carina Terribile, Ole R.

Vetaas and Bradford A. Hawkins.(2009). Coefficient shifts in geographical

ecology: an empirical evaluation ofspatial and non-spatial regression .The

Authors. Journal compilation Ecography Subject Editor: Jens-Christian

Svenning. Ecology 1:241 – 258

Bibliografia

_____________________________________________________________________________________

____________________________________________________________________________________

88

Leite, E.L & Torres, L.M. (1994). Estudo sobre a ocorrência da mosca da fruta

Ceratitis capitata (Wied.) na região do Porto. Anais da Utad. 5: 381-386.

Liquido, N., Shinoda, L., Cunningham, R.; (1991); Host plants of the Mediterranean

fruit fly, Ceratitis capitata (Wiedemann) (Diptera:Tephritidae): an annotated

world review; Miscellaneous publications of the Entomological Society of

America.77: 1–52

Lopes, D. J. H.; R. Pimentel; L. V. Nunes; R. Costa; L. Silva; D. Silva; S. Ázera; J. D.

Mumford & A. Mexia.(2005) “A aplicabilidade do SIG na definição de

manchas de infestação da Mosca – do – Mediterrâneo (Ceratitis capitata

Wiedman) (Diptera: Tephritidae) na Ilha Terceira e sua aplicabilidade ao

estudo de outras pragas-chave”. Boletin de Sanidad Vegetal-Plagas.

Lopes, D.J.H. ; Pimentel. R. ;Macedo, N. ;Zorman, M.; Ventura, L.B. ; Dantas; L. ;

Mexia, A.M.M. ; & Mumford, J. (2008) Aplicabilidade dos SIG no estudo da

mosca-do-Mediterrâneo na Ilha Terceira. Actas do I Congresso Regional de

Fruticultura e Viticultura.

Lopes, D.J.H., Pimentel, R., Macedo, N., Zorman, M., Ventura, L.B., Dantas, L.,

Mexia, A.M.M. & Mumford, J. (2008) Aplicabilidade dos SIG no estudo do

comportamento de dispersão de machos esterilizados da mosca-do-

Mediterrâneo (Ceratitis capitata Wied) (Diptera: Tephritidae) libertados na

Ilha Terceira. Actas do XIII Congresso Ibérico de Entomologia, Seia, Portugal.

Lopes, D.J.H.; Pimentel, R.; Nunes, L.V.; Costa, R.M.; Silva, N.; Dantas, L.; Mumford,

J.D. e Mexia, A.M.M., (2006) “A Mosca do Mediterrâneo (Ceratitis capitata

Wied.) (Diptera: Tephritidae) nos Pomares da Ilha Terceira, Açores” in (2006)

Lopes, D.; Pereira, A.; Mexia, A.; Mumford, J. & Cabrera, R., A fruticultura na

Macaronésia. O contributo do projecto INTERFRUTA para o seu

desenvolvimento.

Madeira, Viriato (2003). Revista de Estudos Açoreanos, X, Fasc. 1, de Dezembro de

2003.

Malavasi, A., Morgante, J.; (1981); Adult and larval population fluctuation of

Anastrepha fraterculus and its relationship to host availability; Environmental

Entomology, v. 10, p. 275-278.

Bibliografia

_____________________________________________________________________________________

____________________________________________________________________________________

89

Malavasi, A.; (1980); Biologia de moscas-das-frutas (Díptera: Tephiritidae). II: Índices

de infestação em diferentes hospedeiros e localidades; Revista Brasileira de

Biologia, v. 40, n. 1, p. 17–24.

Manica, I., Icum, I., Junqueira, N., Salvador, J., Moreira, A., Malavolta, E.; (2000);

Fruticultura tropical 6. Goiaba; Porto Alegre: Editora Cinco Continentes.

374p.

Mendes, Cândida (2010).A Dimensão Ecológica das Zonas Húmidas na Gestão e

Conservação dos ZEC terrestres dos Açores – (Açores) – Universidade dos

Açores.

Neves (2010) Horticultura e Fruticultura: Açores com oportunidade de diversificação.

Correio dos Açores, 3 de Maio de 2010 in

http://www.correiodosacores.net/view.php?id=27622

Nunes, L.V.L.; Costa, R.M. Dantas, L. 2 & Lopes, D.J.H.(2004) Determinação do grau

de infestação em frutos e identificação dos hospedeiros de Ceratitis capitata

Wiedman (Diptera: Tephritidae) na Ilha Terceira (Açores). Boletim do Museu

Municipal do Funchal.

O'Neill, R. V., Krummel, J. R., Gardner, R. H., Sugihara, G. B., Jackson, D. L.,

DeAngelis, B. T., Milne, Orlando, T. L.. (1980). Estudio sobre las hospederas

potenciales de la mosca del Mediterráneo Ceratitis capitata Wiedemann. Con

énfasis en las presentes en el área del Soconusco, Chiapas. México. Secretaria

de Agricultura y Recurso Hidráulicos.

Papadopoulos, N. T.; Katsoyannos, B. I.; Carey, J. R.; Kouloussis, N. A..2001. Seasonal

and Annual Occurance of the Mediterranean Fruit Fly (Diptera: Tephritidae) in

Northern Greece. Annals Entomological Society of America.

Papadopoulos, N., Katsoyannos, B., Nestle, D.; (2003); Spatial autocorrelation analysis

of a Ceratitis capitata (Diptera: Tephritidae) adult population in a mixed

deciduous fruit orchard in Northern Greece. Environmental Entomology. 32:

319–326.

Paulo A. V. Borges1, Pedro Cardoso1,2, Regina Cunha3, Rosalina Gabriel1, Vítor

Gonçalves3, Joaquín Hortal1,4, António Frias Martins3, Ireneia Melo5, Pedro

Rodrigues3, Ana M. C. Santos1, Luís Silva3, Kostas A. Triantis1,6, Paulo

Vieira7 & Virgílio Vieira. (2011). Macroecological patterns of species

Bibliografia

_____________________________________________________________________________________

____________________________________________________________________________________

90

distribution, composition and richness of the Azorean terrestrial biota .Ecologi

ISSN: 1647-2829 http://speco.fc.ul.pt/revistaecologia.html

Pereira, R. (1995). Utilização de armadilhas no estudo da mosca do Mediterrâneo,

Ceratitis capitata (Wied.)(Diptera: Tephritidae) em citrinos no Algarve.

Dissert. Mestrado, ISA, UTL, Lisboa. Photogrammetric Engineering and

Remote Sensing, 68, 1031– 1040.

Pimentel, R. (2010). Contributo para o conhecimento da mosca-do-Mediterrâneo

(Ceratitis capitata Wiedemann) (Diptera: Tephritidae) na Ilha

Terceira.(Açores) - Universidade dos Açores.

Powell, M. R. (2003) Modeling the Response of the Mediterranean Fruit Fly (Diptera:

Tephritidae) to Cold Treatment. Journal of Economic Entomology.

Projectos CLIMAAT (Interreg IIIB)(MAC 2.3/A3 - 03/MAC/2.3/A5 -

05/MAC/2.3/A1) universidades dos Açores – Departamento de Ciências

Agrárias.

Rangel, T. F., Diniz-Filho, J. A. F. and Bini, L. M. 2010. SAM: A comprehensive

application for Spatial Analysis in Macroecology. _ Ecography 33: 46_50,

(Version 4).

Rössler, Y. (1989). Insecticides, incecticidal bait and cover sprays. in: Fruit flies, theier

biology, natural enemies and control.

Seaby R. M. & Henderson, P. A. (2006) Species Diversity and Richness Version 4.

Pisces Conservation Ltd., Lymington, England.

Shu-Sheng Liu; Guang-Mei Zhang; Jun Zhu. 1995. Influence of temperature variations

on rate of development in insects: Analysis of Case Studies from

Entomological Literature. Annals of The Entomological Society of America.

Silva Isabel M.(2003). Caraterização das Ilhas Graciosa e S. Jorge com base no

Modelo CIELO - (Açores – Portugal) – Realatório de estágio. Universidade dos

Açores.

Turner M., Zygmunt, B., Christensen, Dale, V. H. & Graham, R. L. (1988). Indices of

landscape

Turner, M. G., Ruscher, C. L. (1988). Changes in landscape patterns in Georgia, USA.

Landscape

Bibliografia

_____________________________________________________________________________________

____________________________________________________________________________________

91

Vieira, R. M. S. (1952). “A mosca da Fruta Ceratitis capitata Wiedemann na Ilha da

Madeira”. Edição do Grémio dos Exportadores de frutas e produtos hortícolas

da Ilha da Madeira.

White, I., De Meyer, M., Stonehouse, J.; (2000); A review of native and introduced fruit

flies (Diptera, Tephritidae) in the Indian Ocean Islands of Mauritius, Réunion,

and Seychelles; In: Price NS, Seewooruthun SI (eds) Proceedings, Indian

Ocean Commission, regional fruit fly symposium, Indian Ocean

Commission/European Union, Flic en Flac, Mauritius, pp 15–21.

White, I., Elson-Harris, M.; (1992); Fruit flies of economic significance: their

identification and bionomics; CAB International, Wallingford and ACIAR,

Canberra.

Sítios da internet consultados:

Figura n.º 1 - mosca-do-Mediterrâneo Macho e fêmea. Acedido em: 23 de Agosto de

2011

http://www.abae.pt/programa/JRA/concursos/concurso09/artigo.php?escalao=A

1&id=35.

_____________________________________________________________________________________

____________________________________________________________________________________

92

ANEXOS

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

93

Notes

Output Created 19-NOV-2012 13:30:41

Comments

Input Data E:\analises

PBorges\Data_Liliana.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

File

32

Missing Value Handling Definition of Missing User-defined missing values

are treated as missing.

Cases Used Statistics for each pair of

variables are based on all the

cases with valid data for that

pair.

Syntax CORRELATIONS

/VARIABLES=LATITUDE

LONGITUDE ALTITUDE

ORIENTACAO Inclinacao

Area H Berger_par Simpson

Simpson_E HRMIN_1

HRMAX TMIN TMAX

log_prec media_larv Femeas

Machos LogMachos

LogFemeas Logarea

LogLarva

/PRINT=TWOTAIL

NOSIG

/MISSING=PAIRWISE.

Resources Processor Time 00:00:00,03

Elapsed Time 00:00:00,03

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________94


ORIENTACA


Pearson Correlation 1 -,180 ,308 -,085 ,145 -,005 -,160 ,251 -,199 -,133 -,371*

-,436* ,294 ,319 -,091 -,285 ,315 ,273 ,192 ,147 ,160 -,322

Sig. (2-tailed) ,324 ,086 ,644 ,427 ,979 ,381 ,166 ,275 ,467 ,037 ,013 ,103 ,075 ,621 ,114 ,079 ,130 ,293 ,422 ,383 ,073

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,180 1 ,477**

-,764** ,261 ,304 ,055 -,253 ,074 ,667

**,791

**,770

**-,778

**-,766

**,395

* ,000 -,649**

-,620**

-,632**

-,720** ,121 -,056

Sig. (2-tailed) ,324 ,006 ,000 ,149 ,091 ,764 ,162 ,686 ,000 ,000 ,000 ,000 ,000 ,025 ,999 ,000 ,000 ,000 ,000 ,511 ,759

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,308 ,477** 1 -,602

** ,116 ,289 -,325 ,261 -,380* ,123 ,608

**,521

**-,668

**-,654

**,623

**-,629

** -,183 -,259 -,414*

-,508** ,312 -,668

**

Sig. (2-tailed) ,086 ,006 ,000 ,527 ,108 ,070 ,149 ,032 ,501 ,000 ,002 ,000 ,000 ,000 ,000 ,315 ,152 ,018 ,003 ,082 ,000

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,085 -,764**

-,602** 1 -,111 -,292 -,005 ,157 -,081 -,536

**-,611

**-,533

**,629

**,610

**-,418

* ,341 ,393*

,369*

,417*

,552** -,185 ,341

Sig. (2-tailed) ,644 ,000 ,000 ,546 ,105 ,980 ,391 ,661 ,002 ,000 ,002 ,000 ,000 ,017 ,056 ,026 ,038 ,018 ,001 ,312 ,056

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,145 ,261 ,116 -,111 1 -,163 -,351* ,283 -,236 ,100 ,162 ,162 -,148 -,142 ,054 ,036 -,024 -,159 -,184 -,150 -,310 -,094

Sig. (2-tailed) ,427 ,149 ,527 ,546 ,372 ,049 ,117 ,193 ,587 ,377 ,376 ,420 ,437 ,769 ,846 ,898 ,385 ,314 ,413 ,085 ,609

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,005 ,304 ,289 -,292 -,163 1 -,054 -,137 -,040 ,321 ,238 ,198 -,258 -,253 -,146 -,118 -,183 -,218 -,281 -,268 ,715** -,065

Sig. (2-tailed) ,979 ,091 ,108 ,105 ,372 ,769 ,455 ,829 ,073 ,190 ,278 ,154 ,162 ,427 ,521 ,315 ,231 ,120 ,139 ,000 ,723

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,160 ,055 -,325 -,005 -,351* -,054 1 -,798

**,876

** ,229 -,089 -,044 ,096 ,097 -,198 ,390* -,063 ,010 ,041 -,014 -,070 ,519

**

Sig. (2-tailed) ,381 ,764 ,070 ,980 ,049 ,769 ,000 ,000 ,208 ,629 ,813 ,602 ,597 ,277 ,027 ,732 ,956 ,824 ,940 ,703 ,002

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,251 -,253 ,261 ,157 ,283 -,137 -,798** 1 -,874

**-,653

** -,083 -,140 ,070 ,069 ,068 -,301 ,188 ,108 ,043 ,099 ,083 -,417*

Sig. (2-tailed) ,166 ,162 ,149 ,391 ,117 ,455 ,000 ,000 ,000 ,650 ,444 ,703 ,708 ,712 ,094 ,303 ,556 ,817 ,590 ,652 ,018

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,199 ,074 -,380* -,081 -,236 -,040 ,876

**-,874

** 1 ,462** -,071 -,006 ,085 ,085 -,163 ,368

* -,166 -,073 -,023 -,086 -,169 ,507**

Sig. (2-tailed) ,275 ,686 ,032 ,661 ,193 ,829 ,000 ,000 ,008 ,698 ,975 ,644 ,642 ,374 ,038 ,363 ,690 ,900 ,639 ,355 ,003

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,133 ,667** ,123 -,536

** ,100 ,321 ,229 -,653**

,462** 1 ,426

*,456

**-,417

*-,410

* ,091 ,012 -,407* -,347 -,348 -,419

* -,044 ,036

Sig. (2-tailed) ,467 ,000 ,501 ,002 ,587 ,073 ,208 ,000 ,008 ,015 ,009 ,018 ,020 ,621 ,948 ,021 ,052 ,051 ,017 ,809 ,843

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


,791**

,608**

-,611** ,162 ,238 -,089 -,083 -,071 ,426

* 1 ,983**

-,994**

-,995**

,726** -,184 -,695

**-,713

**-,767

**-,814

** ,184 -,183

Sig. (2-tailed) ,037 ,000 ,000 ,000 ,377 ,190 ,629 ,650 ,698 ,015 ,000 ,000 ,000 ,000 ,313 ,000 ,000 ,000 ,000 ,314 ,315

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


,770**

,521**

-,533** ,162 ,198 -,044 -,140 -,006 ,456

**,983

** 1 -,973**

-,978**

,699** -,113 -,754

**-,754

**-,792

**-,823

** ,119 -,111

Sig. (2-tailed) ,013 ,000 ,002 ,002 ,376 ,278 ,813 ,444 ,975 ,009 ,000 ,000 ,000 ,000 ,537 ,000 ,000 ,000 ,000 ,517 ,544

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

SIMPSON_E

HRMIN_1

HRMAX

ORIENTACAO

INCLINACAO

AREA

H

BERGER_PAR

KER

SIMPSON

Correlações

LATITUDE

LONGITUDE

ALTITUDE

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________95


ORIENTACA



-,668**

,629** -,148 -,258 ,096 ,070 ,085 -,417

*-,994

**-,973

** 1 ,999**

-,751** ,236 ,684

**,706

**,779

**,831

** -,217 ,242

Sig. (2-tailed) ,103 ,000 ,000 ,000 ,420 ,154 ,602 ,703 ,644 ,018 ,000 ,000 ,000 ,000 ,193 ,000 ,000 ,000 ,000 ,233 ,182

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


-,654**

,610** -,142 -,253 ,097 ,069 ,085 -,410

*-,995

**-,978

**,999

** 1 -,748** ,231 ,686

**,709

**,780

**,827

** -,208 ,234

Sig. (2-tailed) ,075 ,000 ,000 ,000 ,437 ,162 ,597 ,708 ,642 ,020 ,000 ,000 ,000 ,000 ,204 ,000 ,000 ,000 ,000 ,253 ,197

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,091 ,395*

,623**

-,418* ,054 -,146 -,198 ,068 -,163 ,091 ,726

**,699

**-,751

**-,748

** 1 -,310 -,452**

-,448*

-,485**

-,570** -,014 -,342

Sig. (2-tailed) ,621 ,025 ,000 ,017 ,769 ,427 ,277 ,712 ,374 ,621 ,000 ,000 ,000 ,000 ,084 ,009 ,010 ,005 ,001 ,940 ,055

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,285 ,000 -,629** ,341 ,036 -,118 ,390

* -,301 ,368* ,012 -,184 -,113 ,236 ,231 -,310 1 -,184 -,140 -,020 ,024 -,141 ,895

**

Sig. (2-tailed) ,114 ,999 ,000 ,056 ,846 ,521 ,027 ,094 ,038 ,948 ,313 ,537 ,193 ,204 ,084 ,313 ,444 ,915 ,894 ,442 ,000

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


* -,024 -,183 -,063 ,188 -,166 -,407*

-,695**

-,754**

,684**

,686**

-,452** -,184 1 ,905

**,847

**,851

** -,136 -,235

Sig. (2-tailed) ,079 ,000 ,315 ,026 ,898 ,315 ,732 ,303 ,363 ,021 ,000 ,000 ,000 ,000 ,009 ,313 ,000 ,000 ,000 ,458 ,195

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


* -,159 -,218 ,010 ,108 -,073 -,347 -,713**

-,754**

,706**

,709**

-,448* -,140 ,905

** 1 ,935**

,878** -,173 -,199

Sig. (2-tailed) ,130 ,000 ,152 ,038 ,385 ,231 ,956 ,556 ,690 ,052 ,000 ,000 ,000 ,000 ,010 ,444 ,000 ,000 ,000 ,344 ,274

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


-,414*

,417* -,184 -,281 ,041 ,043 -,023 -,348 -,767

**-,792

**,779

**,780

**-,485

** -,020 ,847**

,935** 1 ,961

** -,267 -,036

Sig. (2-tailed) ,293 ,000 ,018 ,018 ,314 ,120 ,824 ,817 ,900 ,051 ,000 ,000 ,000 ,000 ,005 ,915 ,000 ,000 ,000 ,140 ,846

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32


-,508**

,552** -,150 -,268 -,014 ,099 -,086 -,419

*-,814

**-,823

**,831

**,827

**-,570

** ,024 ,851**

,878**

,961** 1 -,257 ,040

Sig. (2-tailed) ,422 ,000 ,003 ,001 ,413 ,139 ,940 ,590 ,639 ,017 ,000 ,000 ,000 ,000 ,001 ,894 ,000 ,000 ,000 ,156 ,828

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation ,160 ,121 ,312 -,185 -,310 ,715** -,070 ,083 -,169 -,044 ,184 ,119 -,217 -,208 -,014 -,141 -,136 -,173 -,267 -,257 1 -,079

Sig. (2-tailed) ,383 ,511 ,082 ,312 ,085 ,000 ,703 ,652 ,355 ,809 ,314 ,517 ,233 ,253 ,940 ,442 ,458 ,344 ,140 ,156 ,667

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Pearson Correlation -,322 -,056 -,668** ,341 -,094 -,065 ,519

**-,417

*,507

** ,036 -,183 -,111 ,242 ,234 -,342 ,895** -,235 -,199 -,036 ,040 -,079 1

Sig. (2-tailed) ,073 ,759 ,000 ,056 ,609 ,723 ,002 ,018 ,003 ,843 ,315 ,544 ,182 ,197 ,055 ,000 ,195 ,274 ,846 ,828 ,667

N 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32

Continuação

LogLarva

MEDIA_larv

FÊMEAS

MACHOS

LogMachos

LogFemeas

Logarea

TMIN

TMAX

log_PRECIPITA

CAO

*. Correlação é significativa no nível de 0,05

**. Correlação é significativa no nível de 0,01

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

96

Regression

Notes

Output Created 19-NOV-2012 13:09:39

Comments

Input Data E:\analises

PBorges\Data_Liliana.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>


File

32

Missing Value Handling Definition of Missing User-defined missing values


Cases Used Statistics are based on cases

with no missing values for

any variable used.

Syntax REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF

OUTS R ANOVA

/CRITERIA=PIN(.05)

POUT(.10)

/NOORIGIN

/DEPENDENT LogFemeas

/METHOD=BACKWARD

HRMAX TMIN

prec_box_cox Simpson_E

Berger_par ALTITUDE

ORIENTACAO Inclinacao

LATITUDE LONGITUDE.

Resources Processor Time 00:00:00,03


Memory Required 5940 bytes

Additional Memory

Required for Residual Plots

0 bytes

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

97

Variables Entered Variables Removed Method

1 LONGITUDE, LATITUDE,

Inclinacao, prec_box_cox,

Berger_par, ORIENTACAO,

ALTITUDE, Simpson_E,

HRMAX, TMINb

Enter

2 LONGITUDE Backward

(criterion:

Probability of F-

to-remove >=

,100).

3 Berger_par Backward

(criterion:

Probability of F-

to-remove >=

,100).

4 TMIN Backward

(criterion:

Probability of F-

to-remove >=

,100).

5 ORIENTACAO Backward

(criterion:

Probability of F-

to-remove >=

,100).

6 Simpson_E Backward

(criterion:

Probability of F-

to-remove >=

,100).

7 Inclinacao Backward

(criterion:

Probability of F-

to-remove >=

,100).

8 ALTITUDE Backward

(criterion:

Probability of F-

to-remove >=

,100).

9 prec_box_cox Backward

(criterion:

Probability of F-

to-remove >=

,100).


b. All requested variables entered.

Variables Entered/Removeda

Model

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

98

Sum of Squares df Mean Square F Sig.

Regression 13.266 10 1.327 6.836 ,000b

Residual 4.075 21 .194

Total 17.342 31

Regression 13.265 9 1.474 7.952 ,000c

Residual 4.077 22 .185

Total 17.342 31

Regression 13.257 8 1.657 9.331 ,000d

Residual 4.085 23 .178

Total 17.342 31

Regression 13.235 7 1.891 11.051 ,000e

Residual 4.106 24 .171

Total 17.342 31

Regression 13.167 6 2.194 13.140 ,000f

Residual 4.175 25 .167

Total 17.342 31

Regression 13.136 5 2.627 16.243 ,000g

Residual 4.206 26 .162

Total 17.342 31

Regression 13.039 4 3.260 20.452 ,000h

Residual 4.303 27 .159

Total 17.342 31

Regression 12.930 3 4.310 27.356 ,000i

Residual 4.412 28 .158

Total 17.342 31

Regression 12.691 2 6.345 39.563 ,000j

Residual 4.651 29 .160

Total 17.342 31

f. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, Simpson_E, HRMAX

g. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, HRMAX

h. Predictors: (Constant), LATITUDE, prec_box_cox, ALTITUDE, HRMAX

i. Predictors: (Constant), LATITUDE, prec_box_cox, HRMAX

j. Predictors: (Constant), LATITUDE, HRMAX

9


b. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN

c. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN

d. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN

e. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX

3

4

5

6

7

8

ANOVAa

Model

1

2

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

99

R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,875a .765 .653 .44053

2 ,875b .765 .669 .43050

3 ,874c .764 .683 .42143

4 ,874d .763 .694 .41364

5 ,871e .759 .701 .40867

6 ,870f .757 .711 .40218

7 ,867g .752 .715 .39922

8 ,863h .746 .718 .39693

9 ,855i .732 .713 .40048

f. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, HRMAX

g. Predictors: (Constant), LATITUDE, prec_box_cox, ALTITUDE, HRMAX

h. Predictors: (Constant), LATITUDE, prec_box_cox, HRMAX

i. Predictors: (Constant), LATITUDE, HRMAX

Model

a. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE,

Simpson_E, HRMAX, TMIN

b. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E,

HRMAX, TMIN

c. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX,

TMIN

d. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX

e. Predictors: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, Simpson_E, HRMAX

Model Summary

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

100

Standardized

Coefficients

B Std. Error Beta

(Constant) -56289.486 68495.960 -.822 .420

HRMAX -.191 .176 -.972 -1.080 .292

TMIN .168 .493 .317 .341 .736

prec_box_cox 142856.357 171487.208 .182 .833 .414

Simpson_E .201 .756 .055 .266 .793

Berger_par -.135 .672 -.036 -.201 .842

ALTITUDE .001 .001 .276 1.104 .282

ORIENTACAO .000 .002 .056 .253 .802

Inclinacao .005 .008 .089 .678 .505

LATITUDE .000 .000 -.427 -2.240 .036

LONGITUDE -4.130E-06 .000 -.029 -.097 .923

(Constant) -59820.819 56792.692 -1.053 .304

HRMAX -.195 .165 -.997 -1.183 .249

TMIN .168 .482 .317 .349 .731

prec_box_cox 151698.640 142179.278 .193 1.067 .298

Simpson_E .188 .727 .052 .258 .798

Berger_par -.132 .656 -.035 -.201 .842

ALTITUDE .001 .001 .276 1.133 .269

ORIENTACAO .000 .001 .067 .367 .717

Inclinacao .005 .008 .087 .689 .498

LATITUDE .000 .000 -.430 -2.352 .028

(Constant) -61198.658 55189.651 -1.109 .279

HRMAX -.197 .162 -1.004 -1.220 .235

TMIN .164 .472 .310 .348 .731

prec_box_cox 155144.121 138168.409 .198 1.123 .273

Simpson_E .283 .539 .078 .525 .604

ALTITUDE .001 .001 .263 1.146 .264

ORIENTACAO .000 .001 .068 .380 .707

Inclinacao .005 .007 .076 .682 .502

LATITUDE .000 .000 -.430 -2.403 .025

(Constant) -59214.181 53880.612 -1.099 .283

HRMAX -.250 .052 -1.275 -4.817 .000

prec_box_cox 150255.495 134914.277 .191 1.114 .276

Simpson_E .336 .508 .093 .662 .514

ALTITUDE .001 .001 .219 1.159 .258

ORIENTACAO .001 .001 .098 .634 .532

Inclinacao .005 .006 .083 .773 .447

LATITUDE .000 .000 -.441 -2.553 .017

(Constant) -62762.602 52945.049 -1.185 .247

HRMAX -.254 .051 -1.296 -4.990 .000

prec_box_cox 159159.116 132568.656 .203 1.201 .241

Simpson_E .191 .448 .053 .426 .674

ALTITUDE .001 .001 .171 1.000 .327

Inclinacao .005 .006 .085 .803 .430

LATITUDE .000 .000 -.448 -2.626 .015

(Constant) -55019.680 48938.897 -1.124 .271

HRMAX -.242 .041 -1.232 -5.880 .000

prec_box_cox 139683.599 122463.131 .178 1.141 .264

ALTITUDE .001 .001 .152 .936 .358

Inclinacao .005 .006 .081 .777 .444

LATITUDE .000 .000 -.424 -2.673 .013

(Constant) -50183.034 48184.497 -1.041 .307

HRMAX -.231 .039 -1.180 -5.992 .000

prec_box_cox 127399.205 120545.432 .162 1.057 .300

ALTITUDE .001 .001 .131 .824 .417

LATITUDE .000 .000 -.385 -2.577 .016

(Constant) -57532.111 47080.896 -1.222 .232

HRMAX -.214 .032 -1.093 -6.610 .000

prec_box_cox 145369.595 117877.665 .185 1.233 .228

LATITUDE .000 .000 -.304 -2.725 .011

(Constant) 528.624 209.961 2.518 .018

HRMAX -.184 .021 -.936 -8.763 .000

LATITUDE .000 .000 -.261 -2.441 .021

7

8

9


1

2

3

4

5

6

Coefficientsa

Model


t Sig.

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

101

Collinearity

Statistics

Tolerance

2 LONGITUDE -,029b -.097 .923 -.021 .123

LONGITUDE -,026c -.089 .930 -.019 .124

Berger_par -,035c -.201 .842 -.043 .348

LONGITUDE -,026d -.090 .929 -.019 .124

Berger_par -,033d -.192 .850 -.040 .348

TMIN ,310d .348 .731 .072 .013

LONGITUDE -,102e -.437 .666 -.089 .184

Berger_par -,034e -.200 .843 -.041 .348

TMIN ,471e .615 .545 .124 .017

ORIENTACAO ,098e .634 .532 .128 .414

LONGITUDE -,036f -.178 .860 -.036 .243

Berger_par -,053f -.445 .660 -.089 .688

TMIN ,485f .645 .525 .128 .017

ORIENTACAO ,052f .381 .707 .076 .520

Simpson_E ,053f .426 .674 .085 .633

LONGITUDE -,021g -.107 .916 -.021 .245

Berger_par -,012g -.111 .912 -.022 .811

TMIN ,569g .776 .445 .151 .017

ORIENTACAO ,059g .439 .664 .086 .522

Simpson_E ,043g .351 .728 .069 .639

Inclinacao ,081g .777 .444 .151 .869

LONGITUDE -,014h -.073 .942 -.014 .245

Berger_par ,017h .167 .869 .032 .913

TMIN ,018h .032 .975 .006 .031

ORIENTACAO ,024h .187 .853 .036 .570

Simpson_E ,017h .142 .888 .027 .680

Inclinacao ,064h .632 .533 .121 .893

ALTITUDE ,131h .824 .417 .157 .362

LONGITUDE -,122i -.776 .444 -.145 .377

Berger_par ,035i .350 .729 .066 .936

TMIN -,102i -.187 .853 -.035 .032

ORIENTACAO ,053i .415 .681 .078 .592

Simpson_E -,034i -.312 .758 -.059 .786

Inclinacao ,043i .425 .674 .080 .916

ALTITUDE ,162i 1.030 .312 .191 .374

prec_box_cox ,185i 1.233 .228 .227 .403

f. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, HRMAX

g. Predictors in the Model: (Constant), LATITUDE, prec_box_cox, ALTITUDE, HRMAX

h. Predictors in the Model: (Constant), LATITUDE, prec_box_cox, HRMAX

i. Predictors in the Model: (Constant), LATITUDE, HRMAX

9


b. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN

c. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN

d. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX

e. Predictors in the Model: (Constant), LATITUDE, Inclinacao, prec_box_cox, ALTITUDE, Simpson_E, HRMAX

3

4

5

6

7

8

Excluded Variablesa

Model Beta In t Sig.

Partial

Correlation

REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF OUTS R ANOVA

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT LogMachos

/METHOD=BACKWARD HRMAX TMIN log_prec Simpson_E Berger_par ALTITUDE ORIENTACAO

Inclinacao LATITUDE LONGITUDE.

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

102

Regression

19-NOV-2012 13:33:32

Data E:\analises

PBorges\Data_Liliana.savActive Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>


File

32

Definition of Missing User-defined missing values


Cases Used Statistics are based on cases

with no missing values for

any variable used.

REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF OUTS

R ANOVA

/CRITERIA=PIN(.05)

POUT(.10)

/NOORIGIN

/DEPENDENT LogMachos

/METHOD=BACKWARD

HRMAX TMIN log_prec

Simpson_E Berger_par

ALTITUDE ORIENTACAO

Inclinacao LATITUDE

LONGITUDE.

Processor Time 00:00:00,02


Memory Required 5940 bytes

Additional Memory

Required for Residual Plots

0 bytes

Comments

Input

Missing Value Handling

Syntax

Resources

Notes

Output Created

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

103

Variables Entered Variables Removed Method

1 LONGITUDE, LATITUDE,

Inclinacao, log_prec,

Berger_par, ORIENTACAO,

ALTITUDE, Simpson_E,

HRMAX, TMINb

Enter

2 ORIENTACAO Backward

(criterion:

Probability of F-

to-remove >=

,100).

3 LONGITUDE Backward

(criterion:

Probability of F-

to-remove >=

,100).

4 TMIN Backward

(criterion:

Probability of F-

to-remove >=

,100).

5 Berger_par Backward

(criterion:

Probability of F-

to-remove >=

,100).

6 Inclinacao Backward

(criterion:

Probability of F-

to-remove >=

,100).

7 Simpson_E Backward

(criterion:

Probability of F-

to-remove >=

,100).

8 log_prec Backward

(criterion:

Probability of F-

to-remove >=

,100).

9 ALTITUDE Backward

(criterion:

Probability of F-

to-remove >=

,100).

10 LATITUDE Backward

(criterion:

Probability of F-

to-remove >=

,100).

Model


b. All requested variables entered.

Variables Entered/Removeda

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

104

R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,849a .721 .589 .29939

2 ,849b .721 .607 .29261

3 ,849c .720 .623 .28661

4 ,848d .719 .636 .28142

5 ,846e .716 .648 .27694

6 ,845f .714 .659 .27256

7 ,835g .697 .652 .27540

8 ,826h .683 .649 .27671

9 ,810i .656 .632 .28306

10 ,792j .627 .615 .28975

h. Predictors: (Constant), LATITUDE, ALTITUDE, HRMAX

i. Predictors: (Constant), LATITUDE, HRMAX

j. Predictors: (Constant), HRMAX

b. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX,

TMIN

c. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN

d. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX

e. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, ALTITUDE, Simpson_E, HRMAX

f. Predictors: (Constant), LATITUDE, log_prec, ALTITUDE, Simpson_E, HRMAX

g. Predictors: (Constant), LATITUDE, log_prec, ALTITUDE, HRMAX

Model Summary

Model

a. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ORIENTACAO, ALTITUDE,

Simpson_E, HRMAX, TMIN

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

105

Sum of Squares df Mean Square F Sig.

Regression 4.872 10 .487 5.435 ,001b

Residual 1.882 21 .090

Total 6.754 31

Regression 4.870 9 .541 6.321 ,000c

Residual 1.884 22 .086

Total 6.754 31

Regression 4.865 8 .608 7.403 ,000d

Residual 1.889 23 .082

Total 6.754 31

Regression 4.853 7 .693 8.754 ,000e

Residual 1.901 24 .079

Total 6.754 31

Regression 4.837 6 .806 10.511 ,000f

Residual 1.917 25 .077

Total 6.754 31

Regression 4.823 5 .965 12.984 ,000g

Residual 1.931 26 .074

Total 6.754 31

Regression 4.706 4 1.177 15.512 ,000h

Residual 2.048 27 .076

Total 6.754 31

Regression 4.610 3 1.537 20.069 ,000i

Residual 2.144 28 .077

Total 6.754 31

Regression 4.431 2 2.215 27.649 ,000j

Residual 2.324 29 .080

Total 6.754 31

Regression 4.235 1 4.235 50.448 ,000k

Residual 2.519 30 .084

Total 6.754 31

j. Predictors: (Constant), LATITUDE, HRMAX

k. Predictors: (Constant), HRMAX

d. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN

e. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX

f. Predictors: (Constant), LATITUDE, Inclinacao, log_prec, ALTITUDE, Simpson_E, HRMAX

g. Predictors: (Constant), LATITUDE, log_prec, ALTITUDE, Simpson_E, HRMAX

h. Predictors: (Constant), LATITUDE, log_prec, ALTITUDE, HRMAX

i. Predictors: (Constant), LATITUDE, ALTITUDE, HRMAX

8

9

10


b. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ORIENTACAO, ALTITUDE, Simpson_E, HRMAX, TMIN

c. Predictors: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN

2

3

4

5

6

7

ANOVAa

Model

1

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

106

Standardized

Coefficients

B Std. Error Beta

(Constant) 558.381 251.923 2.216 .038

HRMAX -.130 .117 -1.058 -1.104 .282

TMIN .143 .336 .432 .426 .675

log_prec 1.486 1.121 .281 1.326 .199

Simpson_E .177 .525 .078 .337 .739

Berger_par -.201 .460 -.086 -.437 .666

ALTITUDE .001 .001 .358 1.312 .204

ORIENTACAO .000 .001 -.029 -.121 .905

Inclinacao .002 .005 .062 .434 .669

LATITUDE .000 .000 -.452 -2.230 .037

LONGITUDE 3.865E-06 .000 .044 .147 .884

(Constant) 561.856 244.623 2.297 .032

HRMAX -.136 .101 -1.114 -1.356 .189

TMIN .127 .300 .382 .421 .678

log_prec 1.509 1.079 .285 1.398 .176

Simpson_E .194 .495 .086 .392 .699

Berger_par -.198 .449 -.085 -.441 .663

ALTITUDE .001 .001 .359 1.347 .192

Inclinacao .002 .005 .061 .436 .667

LATITUDE .000 .000 -.455 -2.310 .031

LONGITUDE 5.573E-06 .000 .063 .257 .799

(Constant) 560.770 239.570 2.341 .028

HRMAX -.138 .098 -1.123 -1.397 .176

TMIN .106 .284 .320 .374 .712

log_prec 1.419 .999 .268 1.420 .169

Simpson_E .242 .449 .107 .539 .595

Berger_par -.200 .439 -.086 -.455 .654

ALTITUDE .001 .001 .359 1.375 .182

Inclinacao .003 .005 .068 .511 .614

LATITUDE .000 .000 -.452 -2.346 .028

(Constant) 580.826 229.261 2.533 .018

HRMAX -.172 .033 -1.406 -5.166 .000

log_prec 1.374 .974 .260 1.410 .171

Simpson_E .246 .441 .108 .557 .583

Berger_par -.198 .431 -.085 -.458 .651

ALTITUDE .001 .001 .300 1.469 .155

Inclinacao .003 .005 .076 .580 .567

LATITUDE .000 .000 -.464 -2.494 .020

(Constant) 580.564 225.608 2.573 .016

HRMAX -.173 .033 -1.411 -5.275 .000

log_prec 1.449 .945 .274 1.534 .137

Simpson_E .389 .306 .172 1.270 .216

ALTITUDE .001 .001 .267 1.420 .168

Inclinacao .002 .004 .049 .429 .672

LATITUDE .000 .000 -.464 -2.534 .018

(Constant) 549.013 209.883 2.616 .015

HRMAX -.168 .030 -1.374 -5.520 .000

log_prec 1.384 .918 .262 1.509 .143

Simpson_E .375 .300 .166 1.252 .222

ALTITUDE .001 .001 .254 1.390 .176

LATITUDE .000 .000 -.439 -2.573 .016

(Constant) 470.122 202.285 2.324 .028

HRMAX -.146 .025 -1.193 -5.829 .000

log_prec .975 .866 .184 1.126 .270

ALTITUDE .001 .001 .208 1.152 .259

LATITUDE .000 .000 -.375 -2.281 .031

(Constant) 458.575 202.988 2.259 .032

HRMAX -.133 .023 -1.090 -5.925 .000

ALTITUDE .001 .001 .266 1.531 .137

LATITUDE .000 .000 -.365 -2.212 .035

(Constant) 241.184 148.399 1.625 .115

HRMAX -.107 .015 -.874 -7.224 .000

LATITUDE -5.389E-05 .000 -.189 -1.561 .129

(Constant) 9.590 1.287 7.455 .000

HRMAX -.097 .014 -.792 -7.103 .000

7

8

9

10


1

2

3

4

5

6

Coefficientsa

Model


t Sig.

Anexos

_____________________________________________________________________________________

____________________________________________________________________________________

107

Collinearity

Statistics

Tolerance

2 ORIENTACAO -,029b -.121 .905 -.026 .232

ORIENTACAO -,048c -.243 .810 -.052 .325

LONGITUDE ,063c .257 .799 .055 .209

ORIENTACAO -,007d -.042 .967 -.009 .418

LONGITUDE ,036d .154 .879 .032 .224

TMIN ,320d .374 .712 .078 .017

ORIENTACAO -,005e -.030 .976 -.006 .418

LONGITUDE ,038e .165 .870 .034 .224

TMIN ,315e .374 .712 .076 .017

Berger_par -,085e -.458 .651 -.093 .344

ORIENTACAO -,004f -.026 .979 -.005 .418

LONGITUDE ,053f .241 .812 .048 .232

TMIN ,364f .446 .659 .089 .017

Berger_par -,037f -.228 .821 -.046 .427

Inclinacao ,049f .429 .672 .085 .858

ORIENTACAO -,089g -.611 .547 -.119 .544

LONGITUDE ,156g .802 .430 .155 .301

TMIN ,362g .438 .665 .086 .017

Berger_par -,120g -1.022 .316 -.196 .813

Inclinacao ,034g .296 .770 .058 .868

Simpson_E ,166g 1.252 .222 .238 .629

ORIENTACAO -,062h -.428 .672 -.082 .557

LONGITUDE ,039h .219 .828 .042 .375

TMIN ,208h .254 .801 .049 .017

Berger_par -,108h -.914 .369 -.173 .819

Inclinacao ,017h .145 .886 .028 .883

Simpson_E ,095h .747 .461 .142 .720

log_prec ,184h 1.126 .270 .212 .418

ORIENTACAO -,110i -.771 .447 -.144 .592

LONGITUDE ,019i .105 .917 .020 .377

TMIN -,503i -.825 .416 -.154 .032

Berger_par -,035i -.306 .762 -.058 .936

Inclinacao -,016i -.140 .890 -.026 .916

Simpson_E ,033i .264 .793 .050 .786

log_prec ,238i 1.510 .142 .274 .456

ALTITUDE ,266i 1.531 .137 .278 .374

ORIENTACAO -,007j -.054 .957 -.010 .716

LONGITUDE -,054j -.307 .761 -.057 .407

TMIN ,157j .319 .752 .059 .053

Berger_par -,070j -.615 .543 -.113 .980

Inclinacao -,057j -.499 .621 -.092 .974

Simpson_E ,017j .135 .894 .025 .792

log_prec ,134j .853 .401 .156 .512

ALTITUDE -,002j -.014 .989 -.003 .728

LATITUDE -,189j -1.561 .129 -.278 .810

f. Predictors in the Model: (Constant), LATITUDE, log_prec, ALTITUDE, Simpson_E, HRMAX

g. Predictors in the Model: (Constant), LATITUDE, log_prec, ALTITUDE, HRMAX

h. Predictors in the Model: (Constant), LATITUDE, ALTITUDE, HRMAX

i. Predictors in the Model: (Constant), LATITUDE, HRMAX

j. Predictors in the Model: (Constant), HRMAX

10


b. Predictors in the Model: (Constant), LONGITUDE, LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN

c. Predictors in the Model: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX, TMIN

d. Predictors in the Model: (Constant), LATITUDE, Inclinacao, log_prec, Berger_par, ALTITUDE, Simpson_E, HRMAX

e. Predictors in the Model: (Constant), LATITUDE, Inclinacao, log_prec, ALTITUDE, Simpson_E, HRMAX

4

5

6

7

8

9

Model Beta In t Sig.

Partial

Correlation

3

Excluded Variablesa

Documents

A influência da paisagem, dos factores ambientais e taxa ...€¦ · seu apoio neste meu percurso académico. A todos um Muito Obrigado. Quero também agradecer a toda a minha família,